溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文實例講述了Java實現爬取百度圖片的方法。分享給大家供大家參考，具體如下：
在以往用java來處理解析HTML文檔或者片段時，我們通常會采用htmlparser（http://htmlparser.sourceforge.net/）這個開源類庫。現在我們有了JSOUP，以后的處理HTML的內容只需要使用JSOUP就已經足夠了，JSOUP有更快的更新，更方便的API等。
jsoup 是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數據，可以看作是java版的jQuery。
jsoup的主要功能如下：
jsoup是基于MIT協議發布的，可放心使用于商業項目。官方網站：http://jsoup.org/
步驟大致可以分為三個模塊：一是獲取網頁的資源，二是解析獲取的資源，取出我們想要的圖片URL地址，三是通過java的io存儲在本地文件中。
獲取網頁資源的核心模塊就是通過Jsoup去獲取網頁的內容，具體核心代碼如下：
private static List<JsoupImageVO> findImageNoURl(String hotelId, String url, int timeOut) {
List<JsoupImageVO> result = new ArrayList<JsoupImageVO>();
Document document = null;
try {
document = Jsoup.connect(url).data("query", "Java")//請求參數
.userAgent("Mozilla/4.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)")//設置urer-agent get();
.timeout(timeOut)
.get();
String xmlSource = document.toString();
result = dealResult(xmlSource, hotelId);
} catch (Exception e) {
String defaultURL = "https://cache.yisu.com/upload/information/20200623/121/99971.jpg";
result = dealResult(defaultURL,hotelId);
}
return result;
}
其中URL地址是百度圖片搜索的地址，具體調用代碼如下：
public static List<JsoupImageVO> findImage(String hotelName, String hotelId, int page) {
int number=5;
String url = "http://image.baidu.com/search/avatarjson?tn=resultjsonavatarnew&ie=utf-8&word=" + hotelName + "&cg=star&pn=" + page * 30 + "&rn="+number+"&itg=0&z=0&fr=&width=&height=&lm=-1&ic=0&s=0&st=-1&gsm=" + Integer.toHexString(page * 30);
int timeOut = 5000;
return findImageNoURl(hotelId, url, timeOut);
}
這里需要注意的是：word是我們要搜索的關鍵字，pn是顯示的頁碼，rn是一頁顯示多少個數據。
解析網頁的資源，然后封裝起來。核心代碼如下：
private static List<JsoupImageVO> dealResult(String xmlSource, String hotelId) {
List<JsoupImageVO> result = new ArrayList<JsoupImageVO>();
xmlSource = StringEscapeUtils.unescapeHtml3(xmlSource);
String reg = "objURL\":\"http://.+?\\.(gif|jpeg|png|jpg|bmp)";
Pattern pattern = Pattern.compile(reg);
Matcher m = pattern.matcher(xmlSource);
while (m.find()) {
JsoupImageVO jsoupImageVO = new JsoupImageVO();
String imageURL = m.group().substring(9);
if(imageURL==null || "".equals(imageURL)){
String defaultURL = "https://cache.yisu.com/upload/information/20200623/121/99971.jpg";
jsoupImageVO.setUrl(defaultURL);
}else{
jsoupImageVO.setUrl(imageURL);
}
jsoupImageVO.setName(hotelId);
result.add(jsoupImageVO);
}
return result;
}
這里最主要的地方就是reg這個正則表達式，通過正則表達式，去網頁中解析符合規定的圖片URL地址，然后封裝在對象中。
最后一部分就是通過java的io流去圖片地址獲取圖片，并保存在本地。核心代碼如下：
//根據圖片網絡地址下載圖片
public static void download(String url,String name,String path){
File file= null;
File dirFile=null;
FileOutputStream fos=null;
HttpURLConnection httpCon = null;
URLConnection con = null;
URL urlObj=null;
InputStream in =null;
byte[] size = new byte[1024];
int num=0;
try {
dirFile = new File(path);
if(dirFile.exists()){
dirFile.delete();
}
dirFile.mkdir();
file = new File(path+"http://"+name+".jpg");
fos = new FileOutputStream(file);
if(url.startsWith("http")){
urlObj = new URL(url);
con = urlObj.openConnection();
httpCon =(HttpURLConnection) con;
in = httpCon.getInputStream();
while((num=in.read(size)) != -1){
for(int i=0;i<num;i++)
fos.write(size[i]);
}
}
}catch (FileNotFoundException notFoundE) {
LogUtils.writeLog("找不到該網絡圖片....");
}catch(NullPointerException nullPointerE){
LogUtils.writeLog("找不到該網絡圖片....");
}catch(IOException ioE){
LogUtils.writeLog("產生IO異常.....");
}catch (Exception e) {
e.printStackTrace();
}finally{
try {
fos.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
這里面的操作都是java中io篇一些基礎的操作，有不懂的可以去看看java中io模塊的內容。
因為我這邊是maven項目，所以在開發前需要引入Jsoup依賴才可以。
源碼可點擊此處本站下載。
更多關于java相關內容感興趣的讀者可查看本站專題：《Java網絡編程技巧總結》、《Java Socket編程技巧總結》、《Java文件與目錄操作技巧匯總》、《Java數據結構與算法教程》、《Java操作DOM節點技巧總結》和《Java緩存操作技巧匯總》
希望本文所述對大家java程序設計有所幫助。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
