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
- ARCgis已知线裁剪已知面
经常遇到需要在ArcGIS中,根据已知线图层(要素)切分已知面图层(要素).经过研究,利用topology拓扑菜单中的construct features可以实现.具体如下 现有用线图层A.面图层B, ...
- 简单BigDecimal运算精度
项目中遇到了数值运算,如网上所写的,一般有这几个方法: /** * 提供精确的加法运算. * @param v1 被加数 * @param v2 加数 * @return 两个参数的和 */ publ ...
- Pip Permittion Issue on MacOS
Question: OSError: [Errno 1] Operation not permitted: '/tmp/pip-W13DsU-uninstall/System/Library/Fram ...
- UEditor编辑器并不难
1.背景: 其实学习UEditor本该在这之前就应该学习整合到自己的项目中的了,第一次接触UEditor是在暑假期间,当时做东西在师兄的代码中发现了这东西,心想:卧槽,竟然可以这样整合别 ...
- highcharts 当Y轴全部没有数据的时候 数据标签显示最下面 而不是居中显示
yAxis: {min: 0,minRange: 1}
- NoSQL学习二:MongoDB基本管理命令
MongoDB命令学习 一.MongoDB命令帮助 在安装MongoDB后,启动服务器进程(mongod),可以通过在客户端命令mongo实现对MongoDB的管理和监控: 这是MongoDB最上层 ...
- Android下集成Paypal支付
近期项目需要研究paypal支付,官网上的指导写的过于复杂,可能是老外的思维和中国人不一样吧.难得是发现下面这篇文章: http://www.androidhive.info/2015/02/andr ...
- 设计模式之美:Private Class Data(私有类数据)
索引 意图 结构 参与者 适用性 效果 实现 实现方式(一):实现对初始化数据的封装. 意图 封装类的初始化数据,控制对类的属性的更改,并保持类数据与使用数据的方法间的隔离. Encapsulate ...
- Unity3D热更新全书-PageZero
由于深刻的认识到自己是个思维跳跃的人,深入浅出是个我还要努力很久的目标,为了让大家不至于在我乱七八糟的文字中迷失,特整理目录一份 无分类 <Unity3D热更新全书-何谓热更新,为何热更新,如何 ...
- [每日电路图] 8、三轴加速度计LIS3DH电路图及功耗等指标
看TI的官网资料:http://www.st.com/web/en/catalog/sense_power/FM89/SC444/PF250725 一.初次接触关注的信息: 1.1.概述中的关键信息 ...