Java网络爬虫——jsoup快速上手,爬取京东数据。同时解决‘京东安全’防爬问题




import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
 
public class JDSpider {
    public static void main(String[] args) {
        String url = "https://www.jd.com/";
        try {
            // 设置请求头,模拟浏览器访问
            Document doc = Jsoup.connect(url)
                    .userAgent("Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36")
                    .get();
 
            // 解析HTML并获取需要的数据
            Elements elements = doc.select("div.gl-item");
            for (Element element : elements) {
                Elements imgElements = element.select("img.gl-i-img");
                String imageUrl = imgElements.attr("data-lazy-img"); // 使用'data-lazy-img'属性获取图片链接
                String price = element.select("div.p-price").text();
                String name = element.select("div.p-name em").text();
                System.out.println("图片链接:" + imageUrl);
                System.out.println("价格:" + price);
                System.out.println("商品名称:" + name);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

这段代码使用了jsoup库来模拟浏览器请求京东首页,并解析出了图片、价格和商品名称信息。注意,由于爬取的数据涉及到个人隐私和网站版权,所以在实际应用中应确保遵守相关法律法规,并尊重网站的robot.txt规则以及版权政策。此外,为了避免被追踪,应该设置合适的User-Agent,并在爬取数据时采取适当的间隔和访问策略。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日