上一篇:Java网络爬虫实操(5)
大家好,前几篇文章一直提到用xpath去解析html。由于是演示代码,所以看上去都简洁明了的。其实在生产环境下,我们需要获取的数据往往不是一点点,如何让获取数据的代码写的更加清晰、优雅呢?
本篇文章尝试用注解的方式实现一下,大家看看是否好一点。
1) 目标
-
随便找一个网站,获取上面列表类的数据
目标数据的界面
2) 之前的解析类
- 在process方法中围绕我们想要的数据,努力去定位、查找
package com.cv4j.netdiscovery.example;
import com.cv4j.netdiscovery.core.domain.Page;
import com.cv4j.netdiscovery.core.parser.Parser;
import java.util.List;
public class TestParser implements Parser {
@Override
public void process(Page page) {
//最新网申
List<String> newApplyList = page.getHtml().xpath("//dl[@id='dlFull']/dd/div/div/p[@title]/a/text()").all();
page.getResultItems().put("newApplyList", newApplyList);
//最新实习
List<String> newWorkList = page.getHtml().xpath("//dl[@id='dlPart']/dd/div/div/p[@title]/a/text()").all();
page.getResultItems().put("newWorkList", newWorkList);
}
}
3) 使用注解之后的解析类
- 只要继承类AnnotationParser,不要实现接口Parser
- 别忘记添加 super.process(page)
- 在pipeline类中,用变量名称作为key从map中获取对应的值
- 可以用框架自带的ConsolePipeline类做测试
package com.cv4j.netdiscovery.example;
import com.cv4j.netdiscovery.core.domain.Page;
import com.cv4j.netdiscovery.core.parser.AnnotationParser;
import com.cv4j.netdiscovery.core.parser.annotation.ExtractBy;
import java.util.List;
public class TestParser extends AnnotationParser {
//最新网申
@ExtractBy.XPath("//dl[@id='dlFull']/dd/div/div/p[@title]/a/text()")
private List<String> newApplyList;
//最新实习
@ExtractBy.XPath("//dl[@id='dlPart']/dd/div/div/p[@title]/a/text()")
private List<String> newWorkList;
@Override
public void process(Page page) {
super.process(page); //这行代码不能缺
//process里一行代码也不用写,在上面通过注解就可以获取我们要的数据了
}
}
4) 运行结果
-
首页上最新网申和最新实习的标题数据如下:
结果
5) 总结
总之,打造框架的目标是希望能用的前提下,用的更好、更爽。好像汽车品牌一样,虽然都是四个轮子的,几万的也有,几十万的也很多。
有兴趣的小伙伴可以关注这个爬虫框架NetDiscovery,基本上每周都有更新的。
下一篇:Java网络爬虫实操(7)
网友评论