webmagic ajax,webmagic 爬虫 分页

webmagic ajax,webmagic 爬虫 分页importus codecraft webmagic Page importus codecraft webmagic Site importus codecraft webmagic Spider importus codecraft webmagic processor PageProcesso importus codecraft webmagic selector JsonP

import us.codecraft.webmagic.Page;

import us.codecraft.webmagic.Site;

import us.codecraft.webmagic.Spider;

import us.codecraft.webmagic.processor.PageProcessor;

import us.codecraft.webmagic.selector.JsonPathSelector;

import us.codecraft.webmagic.selector.Selectors;

import java.util.List;

/

* @author 

* @since 0.5.0

*/

public class YidianzixunProcessor implements PageProcessor {

private Site site = Site.me();

// . ? 等特殊符号需要加\\引用符

private static final String ARTICLE_URL = “http://www\\.yidianzixun\\.com/home\\?page=article&id=\\w+”;

public void process(Page page) {

if (page.getUrl().regex(ARTICLE_URL).match()) {

String content = page.getHtml().xpath(“//div[@class=’content’]”).toString();

//1)文章头部:1、标题、2、发表时间、3、文章来源

String content_hd = Selectors.xpath(“//div[@class=’content-hd’]”).select(content);

String title = Selectors.xpath(“//h2/text()”).select(content_hd);

String date =  Selectors.xpath(“//div[@class=’meta’]/span[@class=’date’]/text()”).select(content_hd);

String source = Selectors.xpath(“//a[@id=’source-name’]/text()/text()”).select(content_hd);

//2)文章主题

String body = Selectors.xpath(“//div[@class=’content-bd’]”).select(content);

System.out.println(body);

} else {

List results = new JsonPathSelector(“$.result[*]”).selectList(page.getRawText());

for(String result:results){

// /home?page=article&id={
{docid}}&up={
{up}}#comment

// /home?page=article&id={
{docid}} 也是可以支持

String docid = new JsonPathSelector(“docid”).select(result);

String targetUrl = “http://www.yidianzixun.com/home?page=article&id=”+docid;

page.addTargetRequest(targetUrl);

}

}

}

public Site getSite() {

return site;

}

public static void main(String[] args) {

// url的特殊符号 ‘|’ : %7C

//通过ajax判断请求的参数

String targetUrl = “http://www.yidianzixun.com/api/q/?path=channel%7Cnews-list-for-keyword&display=%E8%8A%B1%E8%8C%B6&word_type=token&fields=docid&fields=category&fields=date&fields=image&fields=image_urls&fields=like&fields=source&fields=title&fields=url&fields=comment_count&fields=summary&fields=up&cstart=10&cend=20&version=&infinite=true”;

Spider.create(new YidianzixunProcessor()).addUrl(targetUrl).thread(5).run();

}

}

相关的包

us.codecraft

webmagic-core

0.5.3

us.codecraft

webmagic-extension

0.5.3

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/233105.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号