jar包下载地址:jsoup-1.8.2.jar
package com.dgh.test; import java.io.File; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStream; import java.io.UnsupportedEncodingException; import java.net.HttpURLConnection; import java.net.URL; import java.net.URLEncoder; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; /** * * 抓取网页资源 * @author wangcunhuazi * */ public class JsoupTest { //资源所在的网页地址 private static String resourceURL = "http://www.csdn.net/"; //资源下载之后,保存在本地的文件路径 private static String downloadFilePath = "E://downloadImage//"; /** * * 根据图片的外网地址下载图片到本地硬盘的filePath * @param filePath 本地保存图片的文件路径 * @param imgUrl 图片的外网地址 * @throws UnsupportedEncodingException * */ public static void downImages(String filePath,String imgUrl) throws UnsupportedEncodingException { //图片url中的前面部分:例如"http://images.csdn.net/" String beforeUrl = imgUrl.substring(0,imgUrl.lastIndexOf("/")+1); //图片url中的后面部分:例如“20150529/PP6A7429_副本1.jpg” String fileName = imgUrl.substring(imgUrl.lastIndexOf("/")+1); //编码之后的fileName,空格会变成字符"+" String newFileName = URLEncoder.encode(fileName, "UTF-8"); //把编码之后的fileName中的字符"+",替换为UTF-8中的空格表示:"%20" newFileName = newFileName.replaceAll("\\+", "\\%20"); //编码之后的url imgUrl = beforeUrl + newFileName; try { //创建文件目录 File files = new File(filePath); if (!files.exists()) { files.mkdirs(); } //获取下载地址 URL url = new URL(imgUrl); //链接网络地址 HttpURLConnection connection = (HttpURLConnection)url.openConnection(); //获取链接的输出流 InputStream is = connection.getInputStream(); //创建文件,fileName为编码之前的文件名 File file = new File(filePath + fileName); //根据输入流写入文件 FileOutputStream out = new FileOutputStream(file); int i = 0; while((i = is.read()) != -1){ out.write(i); } out.close(); is.close(); } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) throws IOException { //从一个网站获取和解析一个HTML文档,jsoup的API中有此方法的说明 Document document = Jsoup.connect(resourceURL).get(); //System.out.println(document); //获取所有的img标签 Elements elements = document.getElementsByTag("img"); for(Element element : elements){ //获取每个img标签的src属性的内容,即图片地址,加"abs:"表示绝对路径 String imgSrc = element.attr("abs:src"); //下载图片文件到电脑的本地硬盘上 System.out.println("正在下载图片:-----------" + imgSrc); downImages(downloadFilePath, imgSrc); System.out.println("图片下载完毕:-----------" + imgSrc); System.out.println("-------------------------------------------------------------------------------------------------------------"); } System.out.println("共下载了 " + elements.size() +" 个文件(不去重)"); } }
http://blog.csdn.net/wangcunhuazi/article/details/46237211
http://blog.csdn.net/wangcunhuazi/article/details/46237325
原文地址:http://blog.csdn.net/wangcunhuazi/article/details/46287709