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
圆山猫5 小时前
[Virtualization](四):Linux KVM/RISC-V 的 vCPU 运行路径城管不管5 小时前
ReAct、Plan-and-Execute、Reflection 三大智能 Agent 范式核心区别IT小白杨5 小时前
从环境制备到自动化工作流:多账号运营的工程化架构拆解豆瓣鸡6 小时前
算法日记 - Day3萧瑟余晖6 小时前
Java深入解析篇九之NIO详解The Chosen One9856 小时前
高进度算法模板速记(待完善)极光代码工作室9 小时前
基于SpringBoot的课程预约系统Leighteen9 小时前
`try-finally` 里的 `return`:为什么 `finally` 会悄悄改掉返回值、吞掉异常名字还没想好☜10 小时前
Go 的 time.After 在 select 循环里内存泄漏:定时器堆积原理与 timer.Reset 正确姿势圆山猫10 小时前
[Virtualization](三):RISC-V H-extension 与 Guest 执行模式