Java基于WebMagic爬取某豆瓣电影评论的实现

 更新时间:2021年03月03日 14:13:04   作者:Victor.Chang  
这篇文章主要介绍了Java基于WebMagic爬取某豆瓣电影评论的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

目的

搭建爬虫平台,爬取某豆瓣电影的评论信息。

准备

webmagic是一个开源的Java垂直爬虫框架,目标是简化爬虫的开发流程,让开发者专注于逻辑功能的开发。webmagic的核心非常简单,但是覆盖爬虫的整个流程,也是很好的学习爬虫开发的材料。

下载WebMagic源码,或Maven导入,或Jar包方式导入。  码云地址:https://gitee.com/flashsword20/webmagic 

试运行

搭建好后打开项目, 在 us.codecraft.webmagic.processor.example 包下有几个可运行的例子,我们可以直接运行体验(BaiduBaikePageProcessor 百度百科的这个比较稳定)。

爬到结果说明没问题。

自定义爬虫

接下来我们自己编写一个爬取豆瓣评论的爬虫。

爬取地址:https://movie.douban.com/subject/35096844/reviews?start=0

F12进入开发者模式 分析前端页面

我们发现我们需要爬取的评论信息存放在 class=short-content的div 中。

创建一个豆瓣爬取的类DoubanPageProcessor如下:

package us.codecraft.webmagic.processor.example;
 
import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.ResultItems;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;
 
import java.util.List;
import java.util.Map;
 
/**
 * A simple PageProcessor.
 * 爬取豆瓣某电影的评论  爬取地址:https://movie.douban.com/subject/35096844/reviews?start=0
 *
 * @author code4crafter@gmail.com <br>
 * @since 0.1.0
 */
public class DoubanPageProcessor implements PageProcessor {
 
  private Site site;
 
  public DoubanPageProcessor(String urlPattern) {
    this.site = Site.me().setRetryTimes(3).setSleepTime(300); // 设置站点重试次数3 间隔300ms
  }
 
  @Override
  public void process(Page page) {
    page.putField("title", page.getHtml().xpath("//title/text()")); //爬取网页标题
//    page.putField("html", page.getHtml().toString()); //爬取整个页面的html
    page.putField("titleList", page.getHtml().css("div.short-content", "text").all()); // 我们要爬取的核心信息内容,获取方式与css选择器用法一样
//    page.putField("content", page.getHtml().smartContent());
  }
 
  @Override
  public Site getSite() {
    //settings
    return site;
  }
 
  public static void main(String[] args) {
 
    Spider spider = Spider.create(new DoubanPageProcessor("https://movie\\.douban\\.com\\d+"));
    ResultItems resultItems = spider.<ResultItems>get("https://movie.douban.com/subject/35096844/reviews?start=0");// 爬取并获得爬取结果
    Map<String, Object> map = resultItems.getAll();
    for (Map.Entry entry : map.entrySet()) {
      System.out.println(entry.getKey() + " : " + entry.getValue()); //打印爬取的所有内容
    }
    List<String> shortList = (List<String>) map.get("titleList");
    System.out.println("=====================分隔线===================\n短评如下:");
    for (int i = 0; i < shortList.size(); i++) {
      System.out.println(i + "、" + shortList.get(i).trim()); // 打印爬取的评论内容
    }
    spider.close();
  }
 
}

运行结果如下:

爬取成功。

到此这篇关于Java基于WebMagic爬取某豆瓣电影评论的实现的文章就介绍到这了,更多相关Java WebMagic爬取内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • struts1实现简单的登录功能实例(附源码)

    struts1实现简单的登录功能实例(附源码)

    本篇文章主要介绍了struts1实现简单的登录功能实例(附源码),小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-04-04
  • Java线程的全方位详解

    Java线程的全方位详解

    Java 给多线程编程提供了内置的支持。 一条线程指的是进程中一个单一顺序的控制流,一个进程中可以并发多个线程,每条线程并行执行不同的任务,多线程是多任务的一种特别的形式,但多线程使用了更小的资源开销
    2021-10-10
  • 解决Spring boot 嵌入的tomcat不启动问题

    解决Spring boot 嵌入的tomcat不启动问题

    这篇文章主要介绍了解决Spring boot 嵌入的tomcat不启动问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-10-10
  • Spring中@Async的使用小结

    Spring中@Async的使用小结

    在Java开发中,我们常常会遇到需要执行耗时操作的场景,例如文件上传、网络请求等,本文将介绍如何在Java中使用异步方法,并探讨其中的一些注意事项,感兴趣的朋友跟随小编一起看看吧
    2024-01-01
  • Java中的MapStruct用法详解

    Java中的MapStruct用法详解

    这篇文章主要介绍了Java中的MapStruct用法详解,MapStuct的使用非常简单,把对应的jar包引入即可,本文通过示例代码给大家介绍的非常详细,需要的朋友可以参考下
    2022-04-04
  • Java阻塞队列BlockingQueue基础与使用

    Java阻塞队列BlockingQueue基础与使用

    本文详细介绍了BlockingQueue家庭中的所有成员,包括他们各自的功能以及常见使用场景,通过实例代码介绍了Java 阻塞队列BlockingQueue的相关知识,需要的朋友可以参考下
    2023-01-01
  • Java开发环境配置教程(win7 64bit)

    Java开发环境配置教程(win7 64bit)

    这篇文章主要为大家详细介绍了win7 64bit下Java开发环境的配置教程,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2017-08-08
  • Spring MVC 基于URL的映射规则(注解版)

    Spring MVC 基于URL的映射规则(注解版)

    这篇文章主要介绍了Spring MVC 基于URL的映射规则(注解版) ,详细的介绍了几种方式,有兴趣的可以了解一下
    2017-05-05
  • Java实现简单QQ聊天工具

    Java实现简单QQ聊天工具

    这篇文章主要为大家详细介绍了Java实现简单QQ聊天工具,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-09-09
  • 深入理解Java8双冒号::的使用

    深入理解Java8双冒号::的使用

    这篇文章主要介绍了深入理解Java8双冒号::的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-09-09

最新评论