Java多线程爬取全书网小说

先给大家贴上全书网网址:http://www.quanshuwang.com/

本程序采用的webmagic爬虫框架;WebMagic是一个简单灵活的Java爬虫框架。你可以快速开发出一个高效、易维护的爬虫。
程序需要使用到WebMagic框架的jar,大家可以自行百度。
废话不说,直接上代码

package com.baweihu.wler;

import java.util.UUID;

import com.alibaba.fastjson.JSONObject;
import com.baweihu.entity.Novel;
import com.baweihu.util.FileUtil;
import com.baweihu.util.ImageDownload;

import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;
import us.codecraft.webmagic.selector.Html;
/**
 * @author huluwa
 * @version 1.0.0
 * */
public class QuanShu implements Runnable,PageProcessor {
    // 抓取网站的相关配置,可以包括编码、抓取间隔1s、重试次数等
    private Site site = Site.me().setCharset("gbk").setRetryTimes(0).setSleepTime(0).setTimeOut(8000);
    private int start;
    private int end;
    public QuanShu(int start, int end) {
        super();
        this.start = start;
        this.end = end;
    }
    public QuanShu() {
        super();
    }
    public Site getSite() {
        return site;
    }
    
    public void run() {
        for(; start < end; start ++) {
            Spider.create(new QuanShu()).addUrl("http://www.quanshuwang.com/book_" + start + ".html").thread(2).run();
        }
    }
    
    /**
     * @param length:长度
     *        threadNum:要开启线程的数量
     * */
    public synchronized void handleList(int length, int threadNum) {
        //如果线程个数不能被整除则多加个线程来处理剩余的数据
        int t = length % threadNum == 0 ? length / threadNum : length / (threadNum - 1);
        for (int i = 0; i < threadNum; i++) {
            int start = i * t;
            int end = (i + 1) * t;
            QuanShu test = new QuanShu(start, end);
            new Thread(test).start();
        }
    }
    
    public void process(Page page) {
        try {
            Html html = page.getHtml();
            String title = html.xpath("/html/head/meta[5]/@content").get();
            if(null == title) {
                return;         //获取不到小说名字  就表示为null  不爬这条数据
            }
            String author = html.xpath("/html/head/meta[9]/@content").get();
            String classfy =html.xpath("/html/head/meta[8]/@content").get();
            String isFinish =html.xpath("/html/head/meta[11]/@content").get();
            String coverUrl =html.xpath("/html/head/meta[7]/@content").get();
            String chapterUrl =html.xpath("/html/head/meta[14]/@content").get();
            String introduce =html.xpath("/html/head/meta[6]/@content").get();
            String updateTime =html.xpath("/html/head/meta[12]/@content").get();
            String json = JSONObject.toJSONString(new Novel(title, author, classfy, isFinish, introduce, coverUrl, chapterUrl, updateTime));
            String no = UUID.randomUUID().toString().replace("-", "");
            FileUtil.writeToFile("file/" + no + "/info.txt", json);
            ImageDownload.downloadPicture(coverUrl, "file/" + no + "/cover.jpg");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    
    public static void main(String[] args) {
        QuanShu qs = new QuanShu();
        qs.handleList(95730, 12);
    }
}

我的个人博客网站:王甲斌个人博客 大家没事的话可以多逛逛

最后编辑于
©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 216,372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 92,368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 162,415评论 0 353
  • 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 58,157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 67,171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 51,125评论 1 297
  • 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 40,028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 38,887评论 0 274
  • 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 45,310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 37,533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 39,690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 35,411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 41,004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 31,659评论 0 22
  • 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 32,812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 47,693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 44,577评论 2 353

推荐阅读更多精彩内容