爬虫

爬虫

方法一

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.net.URLConnection;
import java.util.Iterator;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class Test {

    public static void main(String[] args) throws IOException {
        Document document = Jsoup.connect("https://www.doutula.com/article/list/?page=8").get();
        //获取图片链接 逗号是同一级元素
        Elements els = document.select(".lazy,.image_dtb,.img-responsive");//css选择器 id class tagName
        
        Iterator<Element> iter = els.iterator();
        while (iter.hasNext()) {
            Element object = (Element) iter.next();
            String imgUrl = object.attr("data-original");
            //获取图片
            if (!imgUrl.contains("http")) {
                continue;
            }
            URL url = new URL(imgUrl);
            URLConnection con = url.openConnection();
            con.connect();
            InputStream stream = con.getInputStream();
            byte[] by = new byte[1024];
            int length = -1;
            //out的流
            String[] imageUrlArr = imgUrl.split("/");
            String fileName = "img/" + imageUrlArr[imageUrlArr.length - 1];
            FileOutputStream fileOutputStream = new FileOutputStream(fileName);
            while ((length = stream.read(by)) != -1) {
                //把流写入到本地文件夹
                fileOutputStream.write(by,0,length);
            }
            fileOutputStream.close();
            stream.close();
        }
    }
}

方法二

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.net.URLConnection;
import java.util.Iterator;
import java.util.LinkedList;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class Test02 {

    public static void main(String[] args) {
        // 创建图片下载对象
        final ImgDownload imgDownload = new ImgDownload();
        // 生产图片链接的
        new Thread(new Runnable() {
            @Override
            public void run() {
                for (int i = 1; i < 500; i++) {
                    try {
                        imgDownload.parseImageUrl(i);
                    } catch (Exception e) {
                        // TODO: handle exception
                    }
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                for (int i = 500; i < 1000; i++) {
                    try {
                        imgDownload.parseImageUrl(i);
                    } catch (Exception e) {
                        // TODO: handle exception
                    }
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                for (int i = 1000; i < 1500; i++) {
                    try {
                        imgDownload.parseImageUrl(i);
                    } catch (Exception e) {
                        // TODO: handle exception
                    }
                }
            }
        }).start();

        // 下载
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    while (true) {
                        imgDownload.downloadImage();
                    }
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    while (true) {
                        imgDownload.downloadImage();
                    }
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    while (true) {
                        imgDownload.downloadImage();
                    }
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    while (true) {
                        imgDownload.downloadImage();
                    }
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    while (true) {
                        imgDownload.downloadImage();
                    }
                } catch (Exception e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }).start();
    }
}

class ImgDownload {
    // imgUrl的数组
    LinkedList<String> list = new LinkedList<>();

    // 解析链接
    void parseImageUrl(int page) throws Exception {
        synchronized (this) {
            if (list.size() > 100) {
                wait();
            }
            String htmlUrl = "https://www.doutula.com/article/list/?page=" + page;
            Document document = Jsoup.connect(htmlUrl).get();
            // 获取图片链接 逗号是同一级元素
            Elements els = document.select(".lazy,.image_dtb,.img-responsive");// css选择器
                                                                                // id
                                                                                // class
                                                                                // tagName

            Iterator<Element> iter = els.iterator();
            while (iter.hasNext()) {
                Element object = (Element) iter.next();
                String imgUrl = object.attr("data-original");
                if (!imgUrl.contains("http")) {//如果不包含,则跳过
                    continue;
                }
                this.list.add(imgUrl);
            }
            // 通知可以下载图片
            notifyAll();
        }
    }

    // 下载图片
    void downloadImage() throws Exception {
        synchronized (this) {
            if (this.list.size() <= 1) {
                wait();
            }
//          String imgUrl = null;
//          if (this.list.size() > 0) {
//              imgUrl = this.list.removeFirst();
//          } else {
//              return;
//          }
            String imgUrl = this.list.removeFirst();
            URL url = new URL(imgUrl);
            URLConnection con = url.openConnection();
            con.connect();
            InputStream stream = con.getInputStream();
            byte[] by = new byte[1024];
            int length = -1;
            // out的流
            String[] imageUrlArr = imgUrl.split("/");
            String fileName = "img/" + imageUrlArr[imageUrlArr.length - 1];
            FileOutputStream fileOutputStream = new FileOutputStream(fileName);
            while ((length = stream.read(by)) != -1) {
                // 把流写入到本地文件夹
                fileOutputStream.write(by, 0, length);
            }
            fileOutputStream.close();
            stream.close();
            
            if (this.list.size() < 100) {
                notify();
                //notifyAll();
            }
        }
    }
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容