网络爬虫入门系列 (Jsoup)

Posted 情不知所起,一往而深

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了网络爬虫入门系列 (Jsoup)相关的知识,希望对你有一定的参考价值。

   上一篇文章介绍了httpUrlConnection 访问网页 的java 代码

   

        本篇文章介绍Jsoup  访问网页

   首先 到官网上   https://jsoup.org/download      下载  Jsoup-1.11.2.jar

   导入到项目中

    新建一个类 jsoupCrawler

     编写如下代码

package org.apache.crawlerType;

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class jsoupCrawler {
     public static void main(String[] args) {
        try {
            Document doc=Jsoup.connect("http://www.cnblogs.com/szw-blog/p/8565944.html")
              .timeout(1000)    //设置超时时间
              .userAgent("Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:58.0) Gecko/20100101 Firefox/58.0")    //设置浏览器请求头
              .header("Accept-Language", "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2")      //设置请求头
              .get();
            
            System.out.println(doc.toString());
            
        } catch (IOException e) {
            e.printStackTrace();
        }
         
         
         
    }
}

     运行后的结果是

 

 以上就是 Jsoup 访问网页的  java 代码

 

以上是关于网络爬虫入门系列 (Jsoup)的主要内容,如果未能解决你的问题,请参考以下文章

java jsoup 爬虫 怎么防止重复爬取

排名第 1 的爬虫框架,到底有多牛逼?

Java爬虫系列之实战:爬取酷狗音乐网 TOP500 的歌曲

网络爬虫之JSOUP

精通系列-案例开发-巨细HttpClient5 + jsoup + WebMagic + spider-flow万字长文一篇文章学会

精通系列-案例开发-巨细HttpClient5 + jsoup + WebMagic + spider-flow万字长文一篇文章学会