第1次采取Markdown看看效果。
思路：首先找到1篇小说，获得第1章小说的URL，然后根据该URL来获得该章小说的标题、内容和下1章的URL。以后重复类似动作，就可以获得到整篇小说的内容了。
实现方法：这里语言采取==Java==，使用了jsoup。jsoup简单的使用方法可以参考这里。
实现进程：首先找到1篇小说，这里以“神墓”为例，我们打开第1章，然后查看网页源代码。
在源码中我们可以看到下1页的url、文章标题和小说内容。我们可以先获得1个Document对象，然后分别根据Element的Id或样式来获得小说的内容、标题或下1页URL。
实现代码：新建1个项目spider，导入jsoup⑴.7.3.jar包。
package com.dapeng.bean;
public class Article {
private String id;//id
private String title;//标题
private String content;//内容
private String url;//当前章节url
private String nextUrl;//下1章url
/**
*省略getter、setter方法
*/
@Override
public String toString() {
return "Article [id=" + id + ", title=" + title + ", content="
+ content + ", url=" + url + ", nextUrl=" + nextUrl + "]";
}
}2.新建com.dapeng.method包，在该包下新建UtilMethod类。主要用于实现获得文章标题、内容、下1章URL等方法。其代码以下：
package com.dapeng.method;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import com.dapeng.bean.Article;
public class UtilMethod {
/**
* 根据url获得Document对象
* @param url 小说章节url
* @return Document对象
*/
public static Document getDocument(String url){
Document doc = null;
try {
doc = Jsoup.connect(url).timeout(5000).get();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return doc;
}
/**
* 根据获得的Document对象找到章节标题
* @param doc
* @return 标题
*/
public static String getTitle(Document doc){
return doc.getElementById("title").text();
}
/**
* 根据获得的Document对象找到小说内容
* @param doc
* @return 内容
*/
public static String getContent(Document doc){
if(doc.getElementById("content") != null){
return doc.getElementById("content").text();
}else{
return null;
}
}
/**
* 根据获得的Document对象找到下1章的Url地址
* @param doc
* @return 下1章Url
*/
public static String getNextUrl(Document doc){
Element ul = doc.select("ul").first();
String regex = "<li><a href="(.*?)">下1页</a></li>";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(ul.toString());
Document nextDoc = null;
if (matcher.find()) {
nextDoc = Jsoup.parse(matcher.group());
Element href = nextDoc.select("a").first();
return "http://www.bxwx.org/b/5/5131/" + href.attr("href");
}else{
return null;
}
}
/**
* 根据url获得id
* @param url
* @return id
*/
public static String getId(String url){
String urlSpilts[] = url.split("/");
return (urlSpilts[urlSpilts.length - 1]).split(".")[0];
}
/**
* 根据小说的Url获得1个Article对象
* @param url
* @return
*/
public static Article getArticle(String url){
Article article = new Article();
article.setUrl(url);
Document doc = getDocument(url);
article.setId(getId(url));
article.setTitle(getTitle(doc));
article.setNextUrl(getNextUrl(doc));
article.setContent(getContent(doc));
return article;
}
}
3.新建com.dapeng.test包，用于测试获得整篇小说。新建GetArticles类。其代码以下：
package com.dapeng.test;
import com.dapeng.bean.Article;
import com.dapeng.method.UtilMethod;
public class GetArticles {
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
String firstUrl = "http://www.bxwx.org/b/5/5131/832882.html";
Article article = UtilMethod.getArticle(firstUrl);
while(article.getNextUrl() != null && article.getContent() != null && !article.getId().equals("996627")){
article = UtilMethod.getArticle(article.getNextUrl());
System.out.println(article.getId()+"----"+article.getTitle());
}
}
}
运行GetArticles方法，可以看到类似以下的效果：
832883----第1卷 从神墓中走出 第2章 沧海桑田
832884----第1卷 从神墓中走出 第3章 人世悠悠
832885----第1卷 从神墓中走出 第4章 无解之谜
832886----第1卷 从神墓中走出 第5章 冷艳
832887----第1卷 从神墓中走出 第6章 公主
832888----第1卷 从神墓中走出 第7章 小恶魔
832889----第1卷 从神墓中走出 第8章 烈火仙莲
832890----第1卷 从神墓中走出 第9章 百丈巨蛇
....到这里该代码就告1段落了。后续的就不再进行了，比如说将小说插入数据库，然后自己搭建1个小说站点，或将小说写入到1个txt文档中，不用再看那烦人的广告了。等等。。这里就不再进行了。
最后代码附上。
上一篇 andriod 蓝牙打印问题
下一篇 Docker的核心是什么？
程序员人生，我编程，我富裕，记住wfuyu网，php教程，php学习，php手册，CMS模版制作
声明：本站大部分内容是作者原创，少部分收集于互联网供大家一起学习，原版权很多不明，如有侵权请联系本站，谢谢！
粤ICP备14040726号-1 2015-2020 程序员人生 版权所有
