Skip to content

网络数据采集技术—Java网络爬虫 (书稿完整代码,涉及网络爬虫的各种技术和知识点)

Notifications You must be signed in to change notification settings

soberqian/Java-Carwler-Technology

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

15 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Java-Carwler-Technology

Java网络爬虫

   书中的代码,另外本人的我的博客介绍了大量的网络爬虫知识,有兴趣的可以学习。 为及时更正书中的不恰当的内容,笔者在CSDN博客中创建了一个页面:https://qianyang-hfut.blog.csdn.net/article/details/90483177 读者可以将书中的问题,以评论的方式反馈给我,笔者针对这些问题进行勘误。

书稿的完整目录

第一章:网络爬虫概述与原理 10

   1.1 网络爬虫简介 10

   1.2 网络爬虫分类 11

   1.3 网络爬虫流程 13

   1.4 网络爬虫的采集策略 13

   1.5 学习网络爬虫的建议 14

   1.6 本章小结 15

第二章:网络爬虫涉及的Java基础知识 16

   2.1 开发环境的搭建 16

      2.1.1 JDK的安装及环境变量配置 16

      2.1.2 Eclipse下载 17

   2.2 基本数据类型 18

   2.3 数组 19

   2.4 条件判断与循环 20

   2.5 集合 22

      2.5.1 List 和 Set 集合 22

      2.5.2 Map集合 23

      2.5.3 Queue集合 23

   2.6 对象与类 25

   2.7 String类 27

   2.8 日期和时间处理 28

   2.7 正则表达式 32

   2.8 Maven工程创建 34

   2.9 log4j的使用 38

   2.10 本章小结 43

第三章:HTTP协议基础与网络抓包 44

   3.1 HTTP协议简介 44

   3.2 URL 45

   3.3 报文 47

   3.4 HTTP请求方法 47

   3.5 HTTP状态码 48

      3.5.1 状态码2XX 48

      3.5.2 状态码3XX 48

      3.5.3 状态码4XX 49

      3.5.4 状态码5XX 49

   3.6 HTTP信息头 50

      3.6.1 通用头 50

      3.6.2 请求头 52

      3.6.3 响应头 55

      3.6.4 实体头 55

   3.7 HTTP响应正文 56

      3.7.1 HTML 56

      3.7.2 XML 59

      3.7.3 JSON 59

   3.8 网络抓包 61

      3.8.1 简介 61

      3.8.2 使用情境 62

      3.8.3 浏览器实现网络抓包 62

      3.8.4其他网络抓包工具推荐 66

   3.9 本章小结 67

第四章:网页内容获取 68

   4.1 Jsoup的使用 68

      4.1.1 jar的下载 68

      4.1.2 请求URL 68

      4.1.3 设置头信息 71

      4.1.4 提交请求参数 74

      4.1.5 超时设置 76

      4.1.6 代理服务器的使用 76

      4.1.7 响应转输出流(图片、PDF等下载) 78

      4.1.8 HTTPS请求认证 79

      4.1.9 大文件内容获取问题 83

   4.2 HttpClient的使用 84

      4.2.1 jar的下载 84

      4.2.2 请求URL 85

      4.2.3 EntityUtils类 89

      4.2.4 设置头信息 89

      4.2.5 POST提交表单 91

      4.2.6 超时设置 94

      4.2.7 代理服务器的使用 95

      4.2.8 文件下载 96

      4.2.9 HTTPS请求认证 97

      4.2.10 请求重试 100

      4.2.11 多线程执行请求 102

   4.3 URLConnection与HttpURLConnection 105

      4.3.1 实例化 105

      4.3.2获取网页内容 105

      4.3.3 GET请求 106

      4.3.4 模拟提交表单(POST请求) 107

      4.3.5 设置头信息 107

      4.3.6 连接超时设置 108

      4.3.7 代理服务器的使用 108

      4.3.8 HTTPS请求认证 108

   4.4 本章小结 110

第五章 网页内容解析 111

   5.1 HTML解析 111

      5.1.1 CSS选择器 111

      5.1.2 Xpath语法 112

      5.1.3 Jsoup解析HTML 113

      5.1.4 HtmlCleaner解析HTML 119

      5.1.5 Htmlparser解析HTML 122

   5.2 XML解析 127

   5.3 JSON解析 128

      5.3.1 JSON校正 128

      5.3.2 org.json解析JSON 129

      5.3.3 Gson解析JSON 134

      5.3.4 Fastjson解析JSON 138

      5.3.5 网络爬虫实战演练 139

   5.4 本章小结 144

第六章 网络爬虫数据存储 144

   6.1 输入流与输出流 144

      6.1.1 简介 145

      6.1.2 File类 145

      6.1.3 文件字节流 147

      6.1.4 文件字符流 150

      6.1.5 缓冲流 153

      6.1.6 网络爬虫下载图片实战 157

      6.1.7 网络爬虫文本存储实战 160

   6.2 Excel存储 163

      6.2.1 Jxl的使用 163

      6.2.2 POI的使用 166

      6.2.3 爬虫案例 171

   6.3 MySQL数据存储 175

      6.3.1 数据库基本概念 176

      6.3.2 SQL语句基础 176

      6.3.3 Java操作数据库 179

      6.3.4 爬虫案例 188

   6.4 本章小结 190

第七章 网络爬虫实战项目 191

   7.1 新闻数据采集 191

      7.1.1 采集的网页 191

      7.1.2 框架介绍 193

      7.1.3 程序编写 193

   7.2 信用中国信息采集 202

      7.2.1 采集的网页 202

      7.2.2 框架介绍 204

      7.2.3 第一层信息采集 205

      7.2.4 第二层信息采集 212

   7.3 股票信息采集 220

      7.3.1 采集的网页 220

      7.3.2 框架内容 221

      7.3.3 程序设计 222

      7.3.4 Quartz实现定时调度任务 229

   7.4 本章小结 232

第八章 Selenium的使用 233

   8.1 简介 233

   8.2 Java Selenium环境搭建 233

   8.3 浏览器操控 235

   8.4 元素定位 236

      8.4.1 id定位 236

      8.4.2 name定位 237

      8.4.3 class定位 237

      8.4.4 tag name定位 237

      8.4.5 link text定位 238

      8.4.6 Xpath定位 238

      8.4.7 CSS选择器定位 238

8   .5 模拟登陆 238

   8.6 动态加载JavaScript数据 (操作滚动条) 241

   8.7 隐藏浏览器 243

   8.8 截取验证码 244

   8.9 本章小结 248

第九章 网络爬虫开源框架 249

   9.1 Crawler4j的使用 249

      9.1.1 简介 249

      9.1.2 jar的下载 249

      9.1.3 入门案例 250

      9.1.4 相关配置 253

      9.1.5 图片的采集 255

      9.1.6 数据采集入库 259

   9.2 WebCollector的使用 266

      9.2.1 简介 266

      9.2.2 jar的下载 266

      9.2.3 入门案例 266

      9.2.4 相关配置 270

      9.2.5 HTTP请求扩展 271

      9.2.6 翻页数据采集 278

      9.2.7 图片的采集 281

      9.2.8 数据采集入库 284

   9.3 WebMagic的使用 294

      9.3.1 简介 294

      9.3.2 jar的下载 294

      9.3.3 入门案例(翻页数据采集) 295

      9.3.4 相关配置 297

      9.3.5 数据存储方式 298

      9.3.6 数据采集入库 300

      9.3.7 图片的采集 308

      9.4 本章小结 311

附录 312

About

网络数据采集技术—Java网络爬虫 (书稿完整代码,涉及网络爬虫的各种技术和知识点)

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published