本文實(shí)例講述了Java實(shí)現(xiàn)爬取百度圖片的方法。分享給大家供大家參考，具體如下：
在以往用java來(lái)處理解析HTML文檔或者片段時(shí)，我們通常會(huì)采用htmlparser（http://htmlparser.sourceforge.net/）這個(gè)開(kāi)源類庫(kù)。現(xiàn)在我們有了JSOUP，以后的處理HTML的內(nèi)容只需要使用JSOUP就已經(jīng)足夠了，JSOUP有更快的更新，更方便的API等。
jsoup 是一款 Java 的HTML 解析器，可直接解析某個(gè)URL地址、HTML文本內(nèi)容。它提供了一套非常省力的API，可通過(guò)DOM，CSS以及類似于jQuery的操作方法來(lái)取出和操作數(shù)據(jù)，可以看作是java版的jQuery。
jsoup的主要功能如下：
jsoup是基于MIT協(xié)議發(fā)布的，可放心使用于商業(yè)項(xiàng)目。官方網(wǎng)站：http://jsoup.org/
步驟大致可以分為三個(gè)模塊：一是獲取網(wǎng)頁(yè)的資源，二是解析獲取的資源，取出我們想要的圖片URL地址，三是通過(guò)java的io存儲(chǔ)在本地文件中。
獲取網(wǎng)頁(yè)資源的核心模塊就是通過(guò)Jsoup去獲取網(wǎng)頁(yè)的內(nèi)容，具體核心代碼如下：
private static List<JsoupImageVO> findImageNoURl(String hotelId, String url, int timeOut) { List<JsoupImageVO> result = new ArrayList<JsoupImageVO>(); Document document = null; try { document = Jsoup.connect(url).data("query", "Java")//請(qǐng)求參數(shù) .userAgent("Mozilla/4.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)")//設(shè)置urer-agent get(); .timeout(timeOut) .get(); String xmlSource = document.toString(); result = dealResult(xmlSource, hotelId); } catch (Exception e) { String defaultURL = "http://qnimg.zowoyoo.com/img/15463/1509533934407.jpg"; result = dealResult(defaultURL,hotelId); } return result;}其中URL地址是百度圖片搜索的地址，具體調(diào)用代碼如下：
public static List<JsoupImageVO> findImage(String hotelName, String hotelId, int page) { int number=5; String url = "http://image.baidu.com/search/avatarjson?tn=resultjsonavatarnew&ie=utf-8&word=" + hotelName + "&cg=star&pn=" + page * 30 + "&rn="+number+"&itg=0&z=0&fr=&width=&height=&lm=-1&ic=0&s=0&st=-1&gsm=" + Integer.toHexString(page * 30); int timeOut = 5000; return findImageNoURl(hotelId, url, timeOut);}這里需要注意的是：word是我們要搜索的關(guān)鍵字，pn是顯示的頁(yè)碼，rn是一頁(yè)顯示多少個(gè)數(shù)據(jù)。
解析網(wǎng)頁(yè)的資源，然后封裝起來(lái)。核心代碼如下：
private static List<JsoupImageVO> dealResult(String xmlSource, String hotelId) { List<JsoupImageVO> result = new ArrayList<JsoupImageVO>(); xmlSource = StringEscapeUtils.unescapeHtml3(xmlSource); String reg = "objURL/":/"http://.+?//.(gif|jpeg|png|jpg|bmp)"; Pattern pattern = Pattern.compile(reg); Matcher m = pattern.matcher(xmlSource); while (m.find()) { JsoupImageVO jsoupImageVO = new JsoupImageVO(); String imageURL = m.group().substring(9); if(imageURL==null || "".equals(imageURL)){ String defaultURL = "http://qnimg.zowoyoo.com/img/15463/1509533934407.jpg"; jsoupImageVO.setUrl(defaultURL); }else{ jsoupImageVO.setUrl(imageURL); } jsoupImageVO.setName(hotelId); result.add(jsoupImageVO); } return result;}這里最主要的地方就是reg這個(gè)正則表達(dá)式，通過(guò)正則表達(dá)式，去網(wǎng)頁(yè)中解析符合規(guī)定的圖片URL地址，然后封裝在對(duì)象中。
最后一部分就是通過(guò)java的io流去圖片地址獲取圖片，并保存在本地。核心代碼如下：
//根據(jù)圖片網(wǎng)絡(luò)地址下載圖片public static void download(String url,String name,String path){ File file= null; File dirFile=null; FileOutputStream fos=null; HttpURLConnection httpCon = null; URLConnection con = null; URL urlObj=null; InputStream in =null; byte[] size = new byte[1024]; int num=0; try { dirFile = new File(path); if(dirFile.exists()){ dirFile.delete(); } dirFile.mkdir(); file = new File(path+"//"+name+".jpg"); fos = new FileOutputStream(file); if(url.startsWith("http")){ urlObj = new URL(url); con = urlObj.openConnection(); httpCon =(HttpURLConnection) con; in = httpCon.getInputStream(); while((num=in.read(size)) != -1){ for(int i=0;i<num;i++) fos.write(size[i]); } } }catch (FileNotFoundException notFoundE) { LogUtils.writeLog("找不到該網(wǎng)絡(luò)圖片...."); }catch(NullPointerException nullPointerE){ LogUtils.writeLog("找不到該網(wǎng)絡(luò)圖片...."); }catch(IOException ioE){ LogUtils.writeLog("產(chǎn)生IO異常....."); }catch (Exception e) { e.printStackTrace(); }finally{ try { fos.close(); } catch (Exception e) { e.printStackTrace(); } }}這里面的操作都是java中io篇一些基礎(chǔ)的操作，有不懂的可以去看看java中io模塊的內(nèi)容。
因?yàn)槲疫@邊是maven項(xiàng)目，所以在開(kāi)發(fā)前需要引入Jsoup依賴才可以。
源碼可點(diǎn)擊此處本站下載。
希望本文所述對(duì)大家java程序設(shè)計(jì)有所幫助。
新聞熱點(diǎn)
疑難解答
圖片精選
