利用jsoup爬蟲工具，爬取數據，並利用excel導出

時間 2019-11-13
標籤利用 jsoup 爬蟲工具數據 excel 導出欄目 Java 简体版
原文原文鏈接
 import java.io.BufferedInputStream;
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.List;

import net.sf.json.JSONArray;
import net.sf.json.JSONObject;

import org.apache.poi.hssf.usermodel.HSSFCell;
import org.apache.poi.hssf.usermodel.HSSFCellStyle;
import org.apache.poi.hssf.usermodel.HSSFRow;
import org.apache.poi.hssf.usermodel.HSSFSheet;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

    public class aaaa {  
        public static void main(String[] args) {  
            aaaa t = new aaaa();  
            t.getExl();
        }  
      
   　　//獲得URL數據
        public List<String> getText() throws IOException{
            List<String>Url=new ArrayList<String>();
　　　　//批量導入網址           

　　　　String file = "shop.txt";
             BufferedReader in = new BufferedReader(
                     new InputStreamReader(
                         new BufferedInputStream(
                             new FileInputStream(file)), "gbk"));
                 String str;
                 while((str= in.readLine())!=null){
                     Url.add(str);
                     System.out.println(str);
                 }
                 in.close();
                 return Url;
        }

　　//將抓取的數據組合成json對象
        public List<JSONObject> parseUrl() {  
            List<JSONObject>UTL=new ArrayList<JSONObject>();
            try {
                for(String url:getText()){

　　　　　　//將url這個網頁解析成一個dom對象
                Document doc = Jsoup.connect(url).get();  

　　　　　　//篩選<a class="mall-icon">的全部對象
                Elements hrefs = doc.select("a.mall-icon");

　　　　　　//遍歷改對象數組
                for(Element href:hrefs){

　　　　　　　　//對該對象的元素進行處理,包裝成另外一個url進行二級網站的數據抓取
                    String number=href.attr("data-uid");
                    String jsonurl="http://rate.taobao.com/ShopService4C.htm?userNumId="+number;
                    System.out.println(jsonurl);
                    Document doc1 = Jsoup.connect(jsonurl).get();
                    Element jsons=doc1.body();
                    JSONObject json=JSONObject.fromObject(jsons.toString().replaceAll("<body>|</body>", "").replace("&quot;", ""));
                    UTL.add(json);
                }
                }

            } catch (IOException e) {  
                e.printStackTrace();  
            }  
            return UTL;
        }  

　　//導出excel表格
      public void  getExl(){
          try
        {
          // 第一步，建立一個webbook，對應一個Excel文件
                HSSFWorkbook wb = new HSSFWorkbook();
                // 第二步，在webbook中添加一個sheet,對應Excel文件中的sheet
                HSSFSheet sheet = wb.createSheet("行業統計");
                // 第三步，在sheet中添加表頭第0行,注意老版本poi對Excel的行數列數有限制short
                HSSFRow row = sheet.createRow((int) 0);
                // 第四步，建立單元格，並設置值表頭 設置表頭居中
                HSSFCellStyle style = wb.createCellStyle();
                style.setAlignment(HSSFCellStyle.ALIGN_CENTER); // 建立一個居中格式
                HSSFCell cell = row.createCell((short) 0);
                cell.setCellValue("URL");
                cell.setCellStyle(style);
                cell = row.createCell((short) 1);
                cell.setCellValue("行業均值");
                cell.setCellStyle(style);
                cell = row.createCell((short) 2);
              cell.setCellValue("本店值");
              cell.setCellStyle(style);
                List<JSONObject>list=parseUrl();
                List<String>url=getText();
                System.out.println(list.size());
                System.out.println(url.size());
                for (int i = 0; i < list.size(); i++)
              {
                  row = sheet.createRow((int) i + 1);
                  JSONObject json=(JSONObject)list.get(i);
                  JSONObject ratRefund=json.optJSONObject("ratRefund");
                  // 第四步，建立單元格，並設置值
                  System.out.println(i);
                  row.createCell((short) 0).setCellValue("淘寶淘寶");
                  row.createCell((short) 1).setCellValue(ratRefund.optString("indVal"));
                  row.createCell((short) 2).setCellValue(ratRefund.optString("localVal"));
            }
            FileOutputStream fout = new FileOutputStream("E:/taobao.xls");
            wb.write(fout);
            fout.close();
        }
        catch (Exception e)
        {
            e.printStackTrace();
        }
      }
    }