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
无敌最俊朗@10 小时前
STL-vector面试剖析(面试复习4)PPPPickup10 小时前
easychat项目复盘---获取联系人列表,联系人详细,删除拉黑联系人LiamTuc10 小时前
Java构造函数长安er10 小时前
LeetCode 206/92/25 链表翻转问题-“盒子-标签-纸条模型”菜鸟plus+10 小时前
N+1查询我要添砖java11 小时前
《JAVAEE》网络编程-什么是网络?CoderYanger11 小时前
动态规划算法-01背包问题:50.分割等和子集菜鸟233号12 小时前
力扣513 找树左下角的值 java实现Neoest13 小时前
【EasyExcel 填坑日记】“Syntax error on token )“: 一次编译错误在逃 Runtime 的灵异事件自在极意功。13 小时前
Web开发中的分层解耦