标签:
以 http://www.zgfjqw.roboo.com/ 中国风景区网为例,我们想要抓取首页的所有图片。
使用Jsoup可以轻松实现。
代码及注释如下:
1 package test; 2 import java.io.*; 3 import java.net.URL; 4 import java.io.IOException; 5 import org.jsoup.Jsoup; 6 import org.jsoup.nodes.Document; 7 import org.jsoup.nodes.Element; 8 import org.jsoup.select.Elements; 9 10 public class DownloadImages 11 { 12 public static void main(String[] args) throws IOException 13 { 14 //目标网站 15 String url = "http://www.zgfjqw.roboo.com/"; 16 //获取到的图片的存储位置,这里采用的是相对路径,存储到项目中的img文件夹下 17 String path = "img"; 18 Document doc = Jsoup.connect(url).timeout(100000).get(); 19 //获取所有图像元素 20 Elements results = doc.getElementsByTag("img"); 21 for(Element e : results) 22 { 23 //获取图像的url 24 String src = e.absUrl("src"); 25 //存储到本地的函数 26 storeImg(src, path); 27 } 28 System.out.println("运行结束"); 29 } 30 31 //从文件的url获得其文件名,比如http://www.zgfjqw.roboo.com/a/b/c.gif转化为c.gif 32 private static String getName(String src) 33 { 34 int index = src.lastIndexOf(‘/‘); 35 return src.substring(index); 36 } 37 38 //将src存储到path中 39 private static void storeImg(String src, String path) throws IOException 40 { 41 String name = getName(src); 42 URL url = new URL(src); 43 InputStream in = url.openStream(); 44 OutputStream out = new BufferedOutputStream(new FileOutputStream(path + name)); 45 for(int r;(r = in.read()) != -1; ) 46 { 47 out.write(r); 48 } 49 in.close(); 50 out.close(); 51 } 52 }
以 http://www.cnblogs.com/huoxiayu/ 我的博客为例,我们想要抓取该页面的所有链接。
1 package test; 2 import java.io.IOException; 3 import org.jsoup.Jsoup; 4 import org.jsoup.nodes.Document; 5 import org.jsoup.nodes.Element; 6 import org.jsoup.select.Elements; 7 8 public class ExtractLinks 9 { 10 public static void main(String[] args) throws IOException 11 { 12 String url = "http://www.cnblogs.com/huoxiayu/"; 13 Document doc = Jsoup.connect(url).get(); 14 Elements results = doc.select("a[href]"); 15 System.out.println("Total " + results.size() + " links"); 16 for(Element e : results) 17 { 18 String name = e.text(); 19 String href = e.attr("abs:href"); 20 System.out.println(name + " : " + href); 21 } 22 System.out.println("运行结束"); 23 } 24 }
标签:
原文地址:http://www.cnblogs.com/huoxiayu/p/5461477.html