jsoup简单的爬取网页数据
/**
* Project Name:JavaTest
* File Name:BankOfChinaExchangeRate.java
* Package Name:com.lee.javatest
* Date:2016年7月22日下午1:34:09
* Copyright (c) 2016年7月22日, Pwenlee All Rights Reserved.
*
*/ package com.lee.javatest; import java.io.Serializable;
import java.math.BigDecimal;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Date;
import java.util.List; import org.apache.http.HttpEntity;
import org.apache.http.HttpResponse;
import org.apache.http.HttpStatus;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.params.CoreConnectionPNames;
import org.apache.http.util.EntityUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements; /**
* ClassName:BankOfChinaExchangeRate <br/>
* Function: 中行外汇牌价. <br/>
* Date: 2016年7月22日 下午1:34:09 <br/>
* @author PwenLee
* @version
* @see
*/
public class BankOfChinaExchangeRate implements Serializable{ private static final Integer DEAFULT_PAGESIZE = 20; private static final long serialVersionUID = -913877619191789389L; /**
* 货币名称 中文简体
*/
private String currency; /**
* 现汇买入价
*/
private BigDecimal buyingRate; /**
* 现钞买入价
*/
private BigDecimal cashBuyingRate; /**
* 现汇卖出价
*/
private BigDecimal sellingRate; /**
* 现钞卖出价
*/
private BigDecimal cashSellingRate; /**
* 外管局中间价
*/
private BigDecimal SAFEMiddleRate; /**
* 中行折算价
*/
private BigDecimal bankConvertRate; /**
* 发布时间
*/
private String dateTime; public String getCurrency() {
return currency;
} public void setCurrency(String currency) {
this.currency = currency;
} public BigDecimal getBuyingRate() {
return buyingRate;
} public void setBuyingRate(BigDecimal buyingRate) {
this.buyingRate = buyingRate;
} public BigDecimal getCashBuyingRate() {
return cashBuyingRate;
} public void setCashBuyingRate(BigDecimal cashBuyingRate) {
this.cashBuyingRate = cashBuyingRate;
} public BigDecimal getSellingRate() {
return sellingRate;
} public void setSellingRate(BigDecimal sellingRate) {
this.sellingRate = sellingRate;
} public BigDecimal getCashSellingRate() {
return cashSellingRate;
} public void setCashSellingRate(BigDecimal cashSellingRate) {
this.cashSellingRate = cashSellingRate;
} public BigDecimal getSAFEMiddleRate() {
return SAFEMiddleRate;
} public void setSAFEMiddleRate(BigDecimal sAFEMiddleRate) {
SAFEMiddleRate = sAFEMiddleRate;
} public BigDecimal getBankConvertRate() {
return bankConvertRate;
} public void setBankConvertRate(BigDecimal bankConvertRate) {
this.bankConvertRate = bankConvertRate;
} public String getDateTime() {
return dateTime;
} public void setDateTime(String dateTime) {
this.dateTime = dateTime;
} /**
*
* BankOfChinaExchangeRate:
* date:日期 例入“2016-07-22”
* time:时间 例如“05:30:00”
* BankOfChinaCurrencyCode 枚举类
* @author PwenLee
* @param startDate
* @param endDate
* @param currencyCode
* @return BankOfChinaExchangeRate
*/
public BankOfChinaExchangeRate (String date, String time, BankOfChinaCurrencyCode currencyCode){
List<String> context = getExchangeRate(date, time, currencyCode);
this.currency = context.get(0);
this.buyingRate = new BigDecimal(context.get(1));
this.cashBuyingRate = new BigDecimal(context.get(2));
this.sellingRate = new BigDecimal(context.get(3));
this.cashSellingRate = new BigDecimal(context.get(4));
this.SAFEMiddleRate = new BigDecimal(context.get(5));
this.bankConvertRate = new BigDecimal(context.get(6));
this.dateTime = context.get(7) + " " + context.get(8);
} /**
* 取当天凌晨05:30:00的数据
*/
public BankOfChinaExchangeRate(){
SimpleDateFormat sdf=new SimpleDateFormat("yyyy-MM-dd");
Date date=new Date();
String nowDate=sdf.format(date);
List<String> context = getExchangeRate(nowDate, "05:30:00", BankOfChinaCurrencyCode.USD);
this.currency = context.get(0);
this.buyingRate = new BigDecimal(context.get(1));
this.cashBuyingRate = new BigDecimal(context.get(2));
this.sellingRate = new BigDecimal(context.get(3));
this.cashSellingRate = new BigDecimal(context.get(4));
this.SAFEMiddleRate = new BigDecimal(context.get(5));
this.bankConvertRate = new BigDecimal(context.get(6));
this.dateTime = context.get(7) + " " + context.get(8);
} /**
* 模拟请求url,返回html源码
* @author PwenLee
* @param url
* @return
*/
private static String GetHtml(String url) {
String html = null;
HttpClient httpClient = new DefaultHttpClient();
httpClient.getParams().setParameter(CoreConnectionPNames.CONNECTION_TIMEOUT, 20000);
HttpGet httpGet = new HttpGet(url);
try {
HttpResponse httpResponse = httpClient.execute(httpGet);
int resStatu = httpResponse.getStatusLine().getStatusCode();
if (resStatu == HttpStatus.SC_OK) {
HttpEntity entity = httpResponse.getEntity();
if (entity != null) {
html = EntityUtils.toString(entity, "utf-8");
}
}
} catch (Exception e) {
//TODO 打成logger
System.out.println("Connect " + url + " error");
e.printStackTrace();
} finally {
httpClient.getConnectionManager().shutdown();
}
return html;
} private List<String> getExchangeRate(String date, String time, BankOfChinaCurrencyCode currencyCode){ Integer totalPage = totalPage(date, time, currencyCode);
List<String> contextList = new ArrayList<String>();
if(totalPage <= 0){
//TODO logger
return contextList;
} String context = "";
for(int i=totalPage;i>=0;i--){
String url = "http://srh.bankofchina.com/search/whpj/search.jsp?erectDate="+date+"¬hing="+date+"&pjname="+currencyCode.getCode()+"&page="+i;
String html = GetHtml(url);
Document doc = Jsoup.parse(html);
Elements linkElements = doc.getElementsByClass("BOC_main");
Elements datas = linkElements.get(0).getElementsByTag("tr");
for (Element ele : datas) {
if(ele.text().indexOf(time) != -1){
context = ele.text();
break;
}
}
if(context != ""){ //TODO 换成StringUtils.isNotBlank
break;
}
} if(context == "") {//TODO 换成StringUtils.isBlank
//TODO logger
return contextList;
}else{
contextList = Arrays.asList(context.split(" "));
}
return contextList;
} public static Integer totalPage(){
Integer totalPage = 0;
try{
SimpleDateFormat sdf=new SimpleDateFormat("yyyy-MM-dd");
Date date=new Date();
String nowDate=sdf.format(date);
String url = "http://srh.bankofchina.com/search/whpj/search.jsp?erectDate="+nowDate+"¬hing="+nowDate+"&pjname="+BankOfChinaCurrencyCode.USD.getCode();
String html = GetHtml(url);
//截取网页总条数变量
String stringTemp = html.substring(html.indexOf("m_nRecordCount = "));
//获取变量的值
String totalcount = stringTemp.substring(stringTemp.indexOf("m_nRecordCount = ")+"m_nRecordCount = ".length(),stringTemp.indexOf(";"));
Integer totalnum = Integer.valueOf(totalcount);
if(totalnum % DEAFULT_PAGESIZE == 0){
totalPage = totalnum/DEAFULT_PAGESIZE;
}else{
totalPage = totalnum/DEAFULT_PAGESIZE+1;
}
}catch(Exception e){
//TODO 打成logger
}
return totalPage;
} public static Integer totalPage(String date, String time, BankOfChinaCurrencyCode currencyCode){
Integer totalPage = 0;
try{
String url = "http://srh.bankofchina.com/search/whpj/search.jsp?erectDate="+date+"¬hing="+date+"&pjname="+currencyCode.getCode();
String html = GetHtml(url);
//截取网页总条数变量
String stringTemp = html.substring(html.indexOf("m_nRecordCount = "));
//获取变量的值
String totalcount = stringTemp.substring(stringTemp.indexOf("m_nRecordCount = ")+"m_nRecordCount = ".length(),stringTemp.indexOf(";"));
Integer totalnum = Integer.valueOf(totalcount);
if(totalnum % DEAFULT_PAGESIZE == 0){
totalPage = totalnum/DEAFULT_PAGESIZE;
}else{
totalPage = totalnum/DEAFULT_PAGESIZE+1;
}
}catch(Exception e){
//TODO 打成logger
}
return totalPage;
} @Override
public String toString() {
return "BankOfChinaExchangeRate [currency=" + currency
+ ", buyingRate=" + buyingRate + ", cashBuyingRate="
+ cashBuyingRate + ", sellingRate=" + sellingRate
+ ", cashSellingRate=" + cashSellingRate + ", SAFEMiddleRate="
+ SAFEMiddleRate + ", bankConvertRate=" + bankConvertRate
+ ", dateTime=" + dateTime + "]";
} }
jsoup简单的爬取网页数据的更多相关文章
- 使用webdriver+urllib爬取网页数据(模拟登陆,过验证码)
urilib是python的标准库,当我们使用Python爬取网页数据时,往往用的是urllib模块,通过调用urllib模块的urlopen(url)方法返回网页对象,并使用read()方法获得ur ...
- python之爬取网页数据总结(一)
今天尝试使用python,爬取网页数据.因为python是新安装好的,所以要正常运行爬取数据的代码需要提前安装插件.分别为requests Beautifulsoup4 lxml 三个插件 ...
- python爬虫——爬取网页数据和解析数据
1.网络爬虫的基本概念 网络爬虫(又称网络蜘蛛,机器人),就是模拟客户端发送网络请求,接收请求响应,一种按照一定的规则,自动地抓取互联网信息的程序.只要浏览器能够做的事情,原则上,爬虫都能够做到. 2 ...
- 使用 Python 爬取网页数据
1. 使用 urllib.request 获取网页 urllib 是 Python 內建的 HTTP 库, 使用 urllib 可以只需要很简单的步骤就能高效采集数据; 配合 Beautiful 等 ...
- 使用XPath爬取网页数据
我们以我的博客为例,来爬取我所有写过的博客的标题. 首先,打开我的博客页面,右键“检查”开始进行网页分析.我们选中博客标题,再次右键“检查”即可找到标题相应的位置,我们继续点击右键,选择Copy,再点 ...
- 03:requests与BeautifulSoup结合爬取网页数据应用
1.1 爬虫相关模块命令回顾 1.requests模块 1. pip install requests 2. response = requests.get('http://www.baidu.com ...
- 使用puppeteer爬取网页数据实践小结
简单介绍Puppeteer Puppeteer是一个Node库,它通过DevTools协议提供高级API来控制Chrome或Chromium.Puppeteer默认以无头方式运行,但可以配置为有头方式 ...
- Selenium+Tesseract-OCR智能识别验证码爬取网页数据
1.项目需求描述 通过订单号获取某系统内订单的详细数据,不需要账号密码的登录验证,但有图片验证码的动态识别,将获取到的数据存到数据库. 2.整体思路 1.通过Selenium技术,无窗口模式打开浏览器 ...
- 【推荐】oc解析HTML数据的类库(爬取网页数据)
TFhpple是一个用于解析html数据的第三方库,本人感觉功能还算可以,只不过在使用前必须配置项目. 配置 1.导入libxml2.tbd 2.设置编译路径 使用 这里使用一个例子来说明 http: ...
随机推荐
- ruby使用DBI连接MySQL数据库发生异常:in `error': Can't connect to MySQL server on 'localhost' (10061) (DBI::DatabaseError)
Ruby使用DBI连接MySQL数据库一般为: require "dbi" dbh = DBI.connect("dbi:Mysql:test:localhost&quo ...
- [转]Liunx上安装svn客户端
[转]Liunx上安装svn客户端 虽然说很简单的用yum install subversion就可以将svn安装到系统中,但是yum库中的版本实在是有点低——1.4.2.因此我选择以源码方式安装.安 ...
- 在chrome下的文本框sendkeys,提示element can't focus--解决方法
在chrome下的文本框sendkeys,提示element can't focus--解决方法(成都-半步流雲,群友解决) 成都-半步流雲1.升级你的chromedriver,2.降chrome版本 ...
- onBlur事件与onfocus事件(js)
onFocus事件就是当光标落在文本框中时发生的事件. onBlur事件是光标失去焦点时发生的事件. 可以编如下例子 1.html <HTML><HEAD><TITL ...
- sql常见的面试题
1.用一条SQL语句 查询出每门课都大于80分的学生姓名 name kecheng fenshu 张三 语文 81张三 数学 75李四 语文 ...
- Oracle的update语句优化研究
最近研究sql优化,以下文章转自互联网: 1. 语法 单表:UPDATE 表名称 SET 列名称 = 新值 WHERE 列名称 = 某值 如:update t_join_situation s ...
- C#基于Socket的简单聊天室实践
序:实现一个基于Socket的简易的聊天室,实现的思路如下: 程序的结构:多个客户端+一个服务端,客户端都是向服务端发送消息,然后服务端转发给所有的客户端,这样形成一个简单的聊天室功能. 实现的细节: ...
- 【原创】还原Hyper-V 到一个新的虚拟机
Context: I need to restore VM31 backup (via 'Windows Server Backup' tool) as another new Hyper-V mac ...
- Docker Machine v1.11.2安装与使用
官方文档:Docker Machine 官方文档:Docker Toolbox boot2docker安装包官网下载链接:Docker Toolbox-1.11.1b.exe 此安装包包含的“boot ...
- Xamarin 跨移动端开发系列(01) -- 搭建环境、编译、调试、部署、运行
如果是.NET开发人员,想学习手机应用开发(Android和iOS),Xamarin 无疑是最好的选择,编写一次,即可发布到Android和iOS平台,真是利器中的利器啊!好了,废话不多说,就开始吧, ...