摘要：在PHP爬虫（1）中详细了介绍了CURL抓取HTML数据的技术。采集数据处理也是爬虫技术中非常重要的部分。处理HTML数据可以用字符串查找，也可以利用正则表达式，但采用Dom处理是最高级的方法。现在我们要抓取中国军网首页“军媒要闻要论”第一条内容，通过浏览器工具查看网页元素，通过console...
分类：
Web程序 时间：
2015-06-21 22:21:32
阅读次数：
320
本文参考链接详细介绍如何使用Jsoup包抓取HTML数据，是一个纯java工程，并将其打包成jar包。希望了解如何用java语言爬虫网页的可以看下。 杂家前文就又介绍用HTTP访问百度主页得到html的string字符串，但html的文本数据如果不经过处理就是个文本字符串没有任何效果的。所谓的浏览器就是负责将文本的html“翻译”成看到的界面。在前文有介绍，这个csdn的客户端app分首页、业界、...
分类：
移动开发 时间：
2014-07-31 03:03:25
阅读次数：
430
接经验总结20的WEB请求。
如果获取的数据是HTML的话，我们就需要第三方工具有辅助获取我们需要的数据。
我选用了HtmlAgilityPack这么个工具。
首先肯定去网上下载一个，然后引用到项目中。下载地址：http://htmlagilitypack.codeplex.com/
1、模拟WEB请求。获取到HTML数据。详细请看之前的文章。
string result="";
2、...
分类：
Web程序 时间：
2014-07-28 16:04:43
阅读次数：
307
