Jsoup解析获取品花社图片
Jsoup解析获取品花社图片
emmmm,闲着没事,想起了之前一个学长做的品花社的APP,刚好之前有了解Jsoup这个Java解析HTML的库,便花了三四个小时写了这个东西,把网站上大大小小的MM的图片都一股脑的爬到本地并做了简单的分装。
项目只是学习一下Jsoup的使用和网页解析相关知识,没其他意思。
全部的图片体积大概会是4个多G,修改代码里的MAX_PAGES_NUM变量值即可。
项目地址:https://github.com/Ganart/SpiderMM36D
关于品花社是什么,自己点进去看吧:http://www.mm36d.com/
结果看图吧:
代码在这儿:
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.*;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
public class SpiderMM36D {
static class SmallImg {
String id;
String url;
}
//截止到2018年6月21,这个值最大为102,
static int MAX_APGES_NUM = 1;
static String url = "http://www.mm36d.com/home/0/";
//eg:http://www.mm36d.com/belle/0/0/id/2
static String detailUrl = "http://www.mm36d.com/belle/0/0/";
static List<String> oneMMDetailUrls = new ArrayList<>();
static List<SmallImg> allImgObjects = new ArrayList<>();
public static void main(String[] args) throws IOException {
for (int i =1; i<=MAX_APGES_NUM;i++){
gainOnePageElement(i);
}
System.out.println("完成图片链接解析,开始下载图片");
for (int i=0;i<allImgObjects.size();i++){
downloadSmallImg(allImgObjects.get(i));
System.out.println("任务进度:"+((float)(i+1)/allImgObjects.size()));
}
}
//获取小图
public static void gainOnePageElement(int index){
Document document = null;
Elements elements = null;
try {
document = Jsoup.connect(url+index).get();
if (document != null) {
elements = document.getElementsByClass("re-size1-img");
for (Element element:elements){
allImgObjects.add
(subMMImgUrl(element.getElementsByTag("img").toString()));
}
}
} catch (IOException e) {
e.printStackTrace();
}finally {
document = null;
elements = null;
}
}
//剪辑出图片的URL和id
public static SmallImg subMMImgUrl(String tag){
String head = "<img class=\"lazy\" data-original=\"";
String withoutHead = tag.substring(head.length());
String cleanUrl = withoutHead.substring(0,withoutHead.indexOf("\""));
SmallImg smallImg = new SmallImg();
smallImg.url = cleanUrl;
String id = tag.substring(tag.indexOf("(")+1,tag.indexOf(")"));
smallImg.id = id;
return smallImg;
}
//剪辑出图片的url
public static String subDetailImgUlr(String tag){
String head = "<img class=\"lazy\" data-original=\"";
String withoutHead = tag.substring(head.length());
String cleanUrl = withoutHead.substring(0,withoutHead.indexOf("\""));
return cleanUrl;
}
//下载小图
public static void downloadSmallImg(SmallImg smallImg){
if (smallImg.url.equals("")){
return;
}
try {
URL imgUrl = new URL(smallImg.url);
String url = smallImg.url;
BufferedInputStream bis = new BufferedInputStream
(imgUrl.openConnection().getInputStream());
byte[] imgArray = new byte[2048*2048];
int len = 0;
File file = new File("E:\\SpiderMM36D\\mmImgs\\"+smallImg.id);
file.mkdir();
BufferedOutputStream bos =
new BufferedOutputStream
(new FileOutputStream(file.getAbsolutePath()+"\\"
+smallImg.id+url.substring(url.lastIndexOf("."))));
while ((len=bis.read(imgArray))!=-1){
bos.write(imgArray,0,len);
}
bos.flush();
bos.close();
bis.close();
gainDetailPageElement(smallImg.id);
oneMMDetailUrls.clear();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
//下载大图
public static void downloadBigImg(String id,String picUrl,int i){
if (picUrl.equals("")){
return;
}
try {
URL imgUrl = new URL(picUrl);
BufferedInputStream bis = new BufferedInputStream
(imgUrl.openConnection().getInputStream());
byte[] imgArray = new byte[4096*4096];
int len = 0;
File file = new File("E:\\SpiderMM36D\\mmImgs\\"+id);
file.mkdir();
BufferedOutputStream bos =
new BufferedOutputStream
(new FileOutputStream
(file.getAbsolutePath()+"\\"+id+"_"+i+
picUrl.substring(picUrl.lastIndexOf("."))));
while ((len=bis.read(imgArray))!=-1){
bos.write(imgArray,0,len);
}
bos.flush();
bos.close();
bis.close();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
//每个MM对应的详情页
public static void gainDetailPageElement(String id){
Document document = null;
Elements elements = null;
try {
document = Jsoup.connect(detailUrl+id+"/2").get();
if (document != null) {
elements = document.getElementsByClass("re-sizemm");
for (Element element:elements){
oneMMDetailUrls.add
(subDetailImgUlr
(element.getElementsByTag
("img").toString()));
}
for (int j = 0;j<oneMMDetailUrls.size();j++){
downloadBigImg(id,oneMMDetailUrls.get(j),j);
}
}
} catch (IOException e) {
e.printStackTrace();
}finally {
document = null;
elements = null;
}
}
}
Jsoup解析获取品花社图片的更多相关文章
- Java解析word,获取文档中图片位置
前言(背景介绍): Apache POI是Apache基金会下一个开源的项目,用来处理office系列的文档,能够创建和解析word.excel.ppt格式的文档. 其中对word文档的处理有两个技术 ...
- (java)Jsoup爬虫学习--获取网页所有的图片,链接和其他信息,并检查url和文本信息
Jsoup爬虫学习--获取网页所有的图片,链接和其他信息,并检查url和文本信息 此例将页面图片和url全部输出,重点不太明确,可根据自己的需要输出和截取: import org.jsoup.Jsou ...
- [java] jsoup 解析网页获取省市区域信息
到国家统计局抓取数据, 到该class下解析数据 /** * jsoup解析网页 * @author xwolf * @date 2016-12-13 18:11 * @since V1.0.0 */ ...
- Jsoup问题---获取http协议请求失败 org.jsoup.UnsupportedMimeTypeException: Unhandled content type. Must be text/*, application/xml, or application/xhtml+xml.
Jsoup问题---获取http协议请求失败 1.问题:用Jsoup在获取一些网站的数据时,起初获取很顺利,但是在访问某浪的数据是Jsoup报错,应该是请求头里面的请求类型(ContextType)不 ...
- Android利用Jsoup解析html 开发网站客户端小记。
这些天业余时间比较多,闲来无事,想起了以前看过开发任意网站客户端的一篇文章,就是利用jsoup解析网站网页,通过标签获取想要的内容.好了废话不多说,用到的工具为 jsoup-1.7.2.jar包,具体 ...
- jsoup解析HTML及简单实例
jsoup 中文参考文献 http://www.open-open.com/jsoup/ 本文将利用jsoup,简单实现网络抓取的功能,并给出一个小实例,该实例效果为:获取作者本人在博客园写的所 ...
- jsoup解析HTML
Connection conn = Jsoup.connect(String url); conn.data("txtBill", key);// 设置关键字查询字段 Docume ...
- 一步步教你为网站开发Android客户端---HttpWatch抓包,HttpClient模拟POST请求,Jsoup解析HTML代码,动态更新ListView
本文面向Android初级开发者,有一定的Java和Android知识即可. 文章覆盖知识点:HttpWatch抓包,HttpClient模拟POST请求,Jsoup解析HTML代码,动态更新List ...
- Jsoup 解析 HTML
Jsoup 文档 方法 要取得一个属性的值,可以使用Node.attr(String key) 方法 对于一个元素中的文本,可以使用Element.text()方法 对于要取得元素或属性中的HTML内 ...
随机推荐
- tinkpad e450c 进入 BIOS
电脑开机状态下重启电脑,同时连续单击F1 听到"嘟"的一声继续按F1键即可进入BIOS管理界面. 注意:此时Fn要在锁定状态,即Fn键盘灯亮.[可用Fn+Esc切换Fn锁定和未锁定 ...
- java字符串对象存储机制
String s1="abc";创建了几个String对象 ? String s2 = new String("abc");创建了几个String对象? s1= ...
- Powershell获取硬件信息
1.获取系统的BIOS的信息: Get-WMIObject -Class Win32_BIOS 2.获取内存信息: Get-WMIObject -Class Win32_PhysicalMemory ...
- golang获取文件的md5
直接展示代码 func md5sum(filepath string) (string, error) { f, err := os.Open(filepath) if err != nil { st ...
- 将一,二维数组转化为Excel格式
首先,我们来看一下一维数组的, 其代码可以如下: import numpy as np import pandas as pd x = pd.Series([1, 3, 5, np.nan]) pri ...
- [darknet]查看错误结果 sight of wrong
import os import numpy import cv2 bad_label_file = open("bad_valid.list",'r') names = [] f ...
- webmagic爬虫抓取工作室成员博客
一.导入依赖 <!--webmagic依赖--> <dependency> <groupId>us.codecraft</groupId> <ar ...
- 软件测试1gkd
通过老师课上的讲解以及对书本和百度百科的学习,我对软件测试有如下的理解. 软件开发的最基本要求是按时.高质量地发布软件产品,而软件测试是软件质量保证的最重要的手段之一.在整个软件生命周 ...
- P4389 付公主的背包
注意 初始化的时候要这样写 for(int i=1,x;i<=n;i++){ scanf("%d",&x); v[x]++; } for(int i=1;i<= ...
- async/await处理异步
async函数返回一个Promise对象,可以使用then方法添加回调函数.当函数执行的时候,一旦遇到await就会先返回,等到异步操作完成,再接着执行函数体内后面的语句. 看代码: 指定多少毫秒后输 ...