爬虫之初体验

标签：public   epo   default   print   idea   main   ons   状态   log4   

  首先了解一下什么是爬虫

1.爬虫的定义

爬虫：网络爬虫：（web crawer）,是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本

2.通过一个简单的实例先进行一个体验，更直观的了解一下爬虫的厉害之处

代码编写的环境：

        1.JDK1.8

        2.idea

        3.maven

下面就是简单爬虫的测试类：

package cn.itcast.crawler.test;
import org.apache.http.HttpEntity;
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 CrawlerFirst {
    public static void main(String[] args) throws IOException {
        //1.打开浏览器,创建一个HttpClient对象
        CloseableHttpClient httpClient=HttpClients.createDefault();
        //2.输入网址,发起get请求创建Httpget对象
        HttpGet httpGet=new HttpGet("https://www.baidu.com");
        //3.按回车按钮，发送请求，返回响应；使用httpclient对象发起请求
       CloseableHttpResponse response=httpClient.execute(httpGet);
        //4.解析响应，获取数据
        //判断状态码是否是200
        if(response.getStatusLine().getStatusCode()==200){
            HttpEntity httpEntity=response.getEntity();
            String content=EntityUtils.toString(httpEntity,"utf8");
            System.out.println(content);
        }
    }
}
pop.xml中的配置，在配置文件中需要引入一下两个jar包
通过slf4j-log4j12jar包可以打印出日志信息方便我们查看

<!-- https://mvnrepository.com/artifact/org.slf4j/slf4j-log4j12 -->
<dependency>
    <groupId>org.slf4j</groupId>
    <artifactId>slf4j-log4j12</artifactId>
    <version>1.7.25</version>
    <scope>test</scope>
</dependency>

这个jar包是用来进行发送和请求响应的jar包

<!-- https://mvnrepository.com/artifact/org.apache.httpcomponents/httpclient -->
<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.2</version>
</dependency>

log4j.properties文件

### 配置根 ###
log4j.rootLogger = debug,A1
log4j.logger.cn.itcast=dubug 
log4j.appender.A1 = org.apache.log4j.ConsoleAppender
log4j.appender.A1.layout = org.apache.log4j.PatternLayout
log4j.appender.A1.layout.ConversionPattern = %-d{yyyy-MM-dd HH:mm:ss}  [ %t:%r ] - [ %p ]  %m%n
执行代码的结果：

由上面代码中可以看出，这是访问了百度的首页，爬取到了百度的信息，如果有小伙伴想要爬取别的网站，可以在上面中进行输入

爬虫之初体验

标签：public   epo   default   print   idea   main   ons   状态   log4   

原文地址：https://www.cnblogs.com/juddy/p/13111260.html