Java爬虫（一）

一、Java爬虫简介

1.1 Selenium

Selenium爬虫是一种基于浏览器自动化的爬虫技术，可以模拟用户的操作行为，实现对动态网页的爬取。

1.2 jsoup

Jsoup拥有十分方便的api来处理html文档，比如参考了DOM对象的文档遍历方法，参考了CSS选择器的用法等等。

1.3 浏览器驱动下载

下载指定的浏览器驱动，需要和自己电脑上的浏览器版本一致。

二、引入依赖

XML 复制代码

        <jsoup.version>1.17.2</jsoup.version>
        <selenium-java.vesion>4.21.0</selenium-java.vesion>

        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>${jsoup.version}</version>
        </dependency>
        <dependency>
            <groupId>org.seleniumhq.selenium</groupId>
            <artifactId>selenium-java</artifactId>
            <version>${selenium-java.vesion}</version>
        </dependency>

三、测试

java 复制代码

import java.time.Duration;
import java.util.List;

import lombok.extern.slf4j.Slf4j;

import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeAll;
import org.junit.jupiter.api.Test;
import org.openqa.selenium.By;
import org.openqa.selenium.Dimension;
import org.openqa.selenium.Keys;
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.WebElement;
import org.openqa.selenium.chrome.ChromeDriver;
import org.openqa.selenium.interactions.Actions;

@Slf4j
class WebCrawlerUtilTest {

    private static WebDriver driver;

    @BeforeAll
    public static void setUp() {
        String webdriverName = "webdriver.chrome.driver";
        String driverPath = "E:\\Java_Tools\\Browser_driver\\Chrome\\version_126\\chromedriver-win64\\chromedriver.exe";

        // 设置Chrome驱动位置
        System.getProperties().setProperty(webdriverName, driverPath);
    }

    @AfterEach()
    public void after() {
        ThreadUtils.sleep(Duration.ofSeconds(5));
        driver.quit();
    }

    @Test
    void test_open_browser() {
        // 加载 Chrome 浏览器驱动
        driver = new ChromeDriver();
        ThreadUtils.sleep(3);

        //设置访问地址
        String url = "https://www.baidu.com/";
        driver.get(url);

        // 新标签页打开百度新闻
        driver.findElement(By.linkText("新闻")).click();

        // 新标签页打开百度视频
        driver.findElement(By.linkText("地图")).click();
    }

    @Test
    void test_find_element() {
        // 加载 Chrome 浏览器驱动
        driver = new ChromeDriver();
        ThreadUtils.sleep(3);

        //设置访问地址
        String url = "https://www.baidu.com/";
        driver.get(url);

        // 新标签页打开百度新闻
        WebElement we = driver.findElement(By.xpath("//input[@id='kw']"));
        // 往搜索框里输入"五一"的搜索内容
        we.sendKeys("五一");
        we = driver.findElement(By.id("su"));
        we.click();
    }

    @Test
    public void test_find_element_2() {
        // 加载 Chrome 浏览器驱动
        driver = new ChromeDriver();
        ThreadUtils.sleep(3);

        //设置访问地址
        String url = "https://www.baidu.com/";
        driver.get(url);

        List<WebElement> wes = driver.findElements(By.className("title-content-title"));
        log.info("find_elements()返回的数据类型是：type({}})", wes);

        for (WebElement we : wes) {
            log.info(we.toString());
            log.info(we.getText());
        }
    }


    @Test
    public void test_mouse_action() {
        // 加载 Chrome 浏览器驱动
        driver = new ChromeDriver();
        ThreadUtils.sleep(3);

        //设置访问地址
        String url = "https://www.baidu.com/";
        driver.get(url);

        // 设置浏览器窗口的大小，driver.set_window_size(宽,高);
        driver.manage().window().setSize(new Dimension(1200, 800));
        WebElement we = driver.findElement(By.id("s-usersetting-top"));

        Actions action = new Actions(driver);
        action.moveToElement(we).perform();
        ThreadUtils.sleep(5);

        WebElement we2 = driver.findElement(By.linkText("图片"));
        action.contextClick(we2).perform();
        ThreadUtils.sleep(5);

        // 用于刷新当前页面
        driver.navigate().refresh();
    }

    @Test
    public void test_keyboard_action() {
        // 加载 Chrome 浏览器驱动
        driver = new ChromeDriver();
        ThreadUtils.sleep(3);

        //设置访问地址
        String url = "https://www.baidu.com/";
        driver.get(url);

        WebElement we = driver.findElement(By.id("kw"));

        // 模拟键盘操作
        we.sendKeys("五一");

        // 使用回车代替点击 driver.find_element(By.ID, "su")
        we.sendKeys(Keys.ENTER);
    }
}