java Spring Boot2.7实现一个简单的爬虫功能

-耿瑞-2023-09-25 23:08

首先我们要在 pom.xml 中注入Jsoup

这是一个简单的java爬虫框架

xml 复制代码

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.14.1</version>
</dependency>

然后这里我们直接用main吧做简单一点

我们创建一个类叫 WebCrawler

参考代码如下

java 复制代码

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

public class WebCrawler {
    public static void main(String[] args) {
        String url = "https://www.baidu.com/?tn=48021271_25_hao_pg"; // 要爬取的网页URL

        try {
            Document doc = Jsoup.connect(url).get(); // 通过Jsoup连接并获取网页内容
            Elements links = doc.select("a[href]"); // 选择所有带有href属性的<a>元素

            for (Element link : links) {
                String linkText = link.text(); // 获取链接文本
                String linkHref = link.attr("href"); // 获取链接URL

                System.out.println(linkText + ": " + linkHref);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

这里我直接设置为了百度的首页因为这个网站每天会有无数用户访问也不怕我们爬一爬

然后我们右键运行代码

可以看到这些内容基本也都拿下来了