怎樣用Java代碼抓取網(wǎng)頁(yè)中iframe中的數(shù)據(jù)

你是要抓網(wǎng)頁(yè)源代碼，還是瀏覽器渲染后的body；

創(chuàng)新互聯(lián)建站專(zhuān)注于良慶網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供良慶營(yíng)銷(xiāo)型網(wǎng)站建設(shè)，良慶網(wǎng)站制作、良慶網(wǎng)頁(yè)設(shè)計(jì)、良慶網(wǎng)站官網(wǎng)定制、微信小程序開(kāi)發(fā)服務(wù)，打造良慶網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供良慶網(wǎng)站排名全網(wǎng)營(yíng)銷(xiāo)落地服務(wù)。

如果是網(wǎng)頁(yè)源代碼，很簡(jiǎn)單，用java自帶的http就好了；

如果是渲染后的body（包括js和ajax執(zhí)行后的頁(yè)面），需要調(diào)用無(wú)界面瀏覽器，然后通過(guò)api獲得返回的數(shù)據(jù)

用Java來(lái)實(shí)現(xiàn)抓取數(shù)據(jù)的問(wèn)題

你可以利用jsoup來(lái)抓取HTML頁(yè)面的信息

Document doc = Jsoup.parse(input,"UTF-8","");

Elements links = doc.select("a[href]"); // 具有 href 屬性的鏈接

Elements pngs = doc.select("img[src$=.png]");// 所有引用 png 圖片的元素

Element masthead = doc.select("div.masthead").first();

// 找出定義了 class=masthead 的元素

Elements resultLinks = doc.select("h3.r a"); // direct a after h3

如何通過(guò)Java代碼實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行指定抓取

通過(guò)Java代碼實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行指定抓取方法思路如下：

在工程中導(dǎo)入Jsoup.jar包

獲取網(wǎng)址url指定HTML或者文檔指定的body

獲取網(wǎng)頁(yè)中超鏈接的標(biāo)題和鏈接

獲取指定博客文章的內(nèi)容

獲取網(wǎng)頁(yè)中超鏈接的標(biāo)題和鏈接的結(jié)果

java爬蟲(chóng)抓取指定數(shù)據(jù)

根據(jù)java網(wǎng)絡(luò)編程相關(guān)的內(nèi)容，使用jdk提供的相關(guān)類(lèi)可以得到url對(duì)應(yīng)網(wǎng)頁(yè)的html頁(yè)面代碼。

針對(duì)得到的html代碼，通過(guò)使用正則表達(dá)式即可得到我們想要的內(nèi)容。

比如，我們?nèi)绻氲玫揭粋€(gè)網(wǎng)頁(yè)上所有包括“java”關(guān)鍵字的文本內(nèi)容，就可以逐行對(duì)網(wǎng)頁(yè)代碼進(jìn)行正則表達(dá)式的匹配。最后達(dá)到去除html標(biāo)簽和不相關(guān)的內(nèi)容，只得到包括“java”這個(gè)關(guān)鍵字的內(nèi)容的效果。

從網(wǎng)頁(yè)上爬取圖片的流程和爬取內(nèi)容的流程基本相同，但是爬取圖片的步驟會(huì)多一步。

需要先用img標(biāo)簽的正則表達(dá)式匹配獲取到img標(biāo)簽，再用src屬性的正則表達(dá)式獲取這個(gè)img標(biāo)簽中的src屬性的圖片url，然后再通過(guò)緩沖輸入流對(duì)象讀取到這個(gè)圖片url的圖片信息，配合文件輸出流將讀到的圖片信息寫(xiě)入到本地即可。

標(biāo)題名稱(chēng)：java代碼抓數(shù)據(jù) 基于java的網(wǎng)絡(luò)抓包方法
網(wǎng)站路徑：http://chinadenli.net/article8/doeciip.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供解決方案、網(wǎng)站內(nèi)鏈、做網(wǎng)站、移動(dòng)網(wǎng)站建設(shè)、動(dòng)態(tài)網(wǎng)站、網(wǎng)站維護(hù)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)