package day02;
import org.apache.http.HttpEntity;
import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;
import java.io.IOException;
public class getpacong {
public static void main(String[] args) throws IOException {
//注意这个方法是爬取网址所有位置
//1.打开浏览器,创建Httpclient对象
// CloseableHttpclient httpclient = Httpclients.createDefault();
CloseableHttpClient aDefault = HttpClients.createDefault();
//2.输入网址,发起get请求创建HttpGet对象 输入你需要爬取的网址
HttpGet httpGet = new HttpGet("https://zhuanlan.zhihu.com/p/98346518");
//------------------------------------------------------------------------------------------------------
//配置请求信息 效果是如果网络不良可以延长爬取的时间
RequestConfig build = RequestConfig.custom().setConnectionRequestTimeout(1000)//创建连接的最长时间,单位是毫秒
.setConnectionRequestTimeout(500)//设置获取连接的最长时间,单位是豪秒
.setSocketTimeout(10 * 1000)//设置获取连接的最长时间,单位是豪秒
.build();//提交
//给请求设置请求信息
httpGet.setConfig(build);
//------------------------------------------------------------------------------------------------------
//3.按回车,发起请求,返回响应,使用httpclient对象发起请求
CloseableHttpResponse response = aDefault.execute(httpGet);
//4.解析响应,获取数据//判断状态码是否是200 200为正常型号 其他为异常
if(response.getStatusLine().getStatusCode()== 200){
//获取爬取数据
HttpEntity httpEntity =response.getEntity();
//将爬取数据解析为utf-8格式
String content = EntityUtils.toString(httpEntity,"utf-8");
//打印
System.out.println(content);
}
//释放资源
response.close();
//关闭网页
aDefault.close();
}
}
给爬虫设置爬取时长网络不良时使用 不设置在默认时间内没爬取到会报错
ikun,ikun2024-04-13 9:22
相关推荐
Java技术小馆6 分钟前
GitDiagram如何让你的GitHub项目可视化Codebee23 分钟前
“自举开发“范式:OneCode如何用低代码重构自身工具链程序无bug39 分钟前
手写Spring框架程序无bug41 分钟前
Spring 面向切面编程AOP 详细讲解全干engineer1 小时前
Spring Boot 实现主表+明细表 Excel 导出(EasyPOI 实战)Fireworkitte1 小时前
Java 中导出包含多个 Sheet 的 Excel 文件GodKeyNet1 小时前
设计模式-责任链模式a_Dragon11 小时前
Spring Boot多环境开发-Profiles泽02022 小时前
C++之红黑树认识与实现ChinaRainbowSea2 小时前
补充:问题:CORS ,前后端访问跨域问题