数据爬取

爬虫的具备条件

 

jdbc:操作数据库。

 

ehcache(redis):重复url判断。

 

log4j:日志记录。

 

httpclient:发送http请求。

 

jsoup:解析返回的网页内容。

 

Maven的使用:

 

(1)log4j 的使用;

 

 1. 使用 Maven 下载 log4j 的 Jar 包

 

 2. 在 src 目录下创建 log4j.properties 文本文件,并做相关配置(关于每个配置的具体含义,读者可参考博文 《详细的 Log4j 使用教程》):

 

(2)对象的创建;

 

 创建需要的对象

 

(3)集合的使用;

 

封装所得的数据

 

(4)正则表达式的使用;

 

 解析数据

 

(5)HTTP 状态码;

 

当浏览者访问一个网页时,浏览者的浏览器会向网页所在服务器发出请求

posted @ 2020-03-04 15:45  dululudululu  阅读(143)  评论(0编辑  收藏  举报