使用 jsoup 爬取数据

1、因为工作安排，临时让我这从没摸过爬虫的人爬数据，过程吧，还算可以，网上开源的有，加上伟大的群友的帮忙，算是出了一版运行结果正确的爬虫，现在记录下，有什么隐患，欢迎广大同行批评指正。

2、代码结构：

如上图，结构很简单，引用了jsoup jar包，Rule类具体的爬虫代码，Air类是要获取的页面数据实体类。

3、代码：

Air.java:

package com.zyy.splider.rule;

public class Air {

    String indexNo ;//序号

    String city;//城市

    String date; //日期

    String aqi; //AQI指数

    String level;//空气质量级别

    String prev;//首要污染物

    public Air(

            String indexNo,

            String city,

            String date,

            String aqi,

            String level,

            String prev){

        this.indexNo = indexNo;

        this.city = city;

        this.date = date;

        this.aqi = aqi;

        this.level = level;

        this.prev = prev;

    }

    public String getIndexNo() {

        return indexNo;

    }

    public void setIndexNo(String indexNo) {

        this.indexNo = indexNo;

    }

    public String getCity() {

        return city;

    }

    public void setCity(String city) {

        this.city = city;

    }

    public String getDate() {

        return date;

    }

    public void setDate(String date) {

        this.date = date;

    }

    public String getAqi() {

        return aqi;

    }

    public void setAqi(String aqi) {

        this.aqi = aqi;

    }

    public String getLevel() {

        return level;

    }

    public void setLevel(String level) {

        this.level = level;

    }

    public String getPrev() {

        return prev;

    }

    public void setPrev(String prev) {

        this.prev = prev;

    }

}

Rule.java

package com.zyy.splider.rule;

import java.io.IOException;

import java.util.ArrayList;

import java.util.List;

import org.jsoup.Jsoup;

import org.jsoup.nodes.Document;

import org.jsoup.nodes.Element;

import org.jsoup.select.Elements;

public class Rule {

    public static void main(String[] args) throws Exception {

        crawler();

    }

    //爬取

    public static void crawler() throws Exception{

        List<Air> cityInfo = new ArrayList<Air>();

        int index = 1;

        int line = 1;

        for(int i = 1;i < 14;i ++){

            System.out.println("==================================================" + i);

            String root_url="http://datacenter.mep.gov.cn/report/air_daily/air_dairy.jsp?page=" + i;

            Document document=Jsoup.connect(root_url).timeout(3000000).get();

            System.out.println("*****************************************");

            Elements links=document.getElementsByClass("report1_5");

            //Elements links = document.select("#report1 .report1_5");

            String indexNo = null ;//序号

            String city = null;//城市

            String date = null; //日期

            String aqi = null; //AQI指数

            String level = null;//空气质量级别

            String prev;//首要污染物

            for(Element link:links){

                System.out.println( link.text());

                if(index % 6 == 1){//序号

                     //air.setIndexNo(link.text()) ;

                    indexNo = link.text();

                }else if(index % 6 == 2){//城市

                    //air.setCity(link.text());

                    city = link.text();

                }else if(index % 6 == 3){ //日期

                    //air.setDate(link.text());

                    date = link.text();

                }else if(index % 6 == 4){ //AQI指数

                    //air.setAqi(link.text());

                    aqi = link.text();

                }else if(index % 6 == 5){ //空气质量级别

                    //air.setLevel(link.text());

                    level = link.text();

                }else if(index % 6 == 0){ //首要污染物

                    //air.setPrev(link.text());

                    prev= link.text();

                    //将air信息保存到cityInfo列表

                    cityInfo.add(new Air(indexNo, city, date, aqi, level, prev));

                    line ++;//表示一行结束，行号+1

                }

                index ++;

            }

        }

        //打印cityInfo中的信息

        for(int i = 0;i < cityInfo.size();i ++){

            System.out.println("第" + i + "条数据--------------------------------->");

            System.out.println("序号：" + cityInfo.get(i).getIndexNo());

            System.out.println("城市：" + cityInfo.get(i).getCity());

            System.out.println("日期：" + cityInfo.get(i).getDate());

            System.out.println("AQI指数：" + cityInfo.get(i).getAqi());

            System.out.println("空气质量级别：" + cityInfo.get(i).getLevel());

            System.out.println("首要污染物：" + cityInfo.get(i).getPrev());

        }

        }

    }

}

4、也不知道这算不算一个爬虫程序，反正要的数据算是都有了，代码很简单，运行测试真心痛苦，因为有分页，每页显示条数还是网站定死的，所以只能连发13个请求获取每页的数据，可能因为那个网站属于政府的网站，速度慢到死，，这里简单记录下，希望这是第一次也是最后一次爬网站。。。。。。

版权声明：本文为CSDN博主「weixin_33912638」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/weixin_33912638/article/details/93714073