Java網絡爬蟲實操（10）

上一篇：Java網絡爬蟲實操（9）

各位好，立刻又是618購物節了，你們的購物熱情多少有點被勾起吧。相信你們最頻繁的操做確定是打開購物網站，輸入關心商品的關鍵字，而後看看哪一個店的銷量高，哪一個店的價格最低，等等。 本篇文章結合Java爬蟲框架NetDiscovery使用selenium技術實現自動化獲取前三個商品的信息。

1) 邏輯流程

1. 程序打開JD的商品搜索頁面
2. 自動輸入商品關鍵字
3. 自動點擊查詢按鈕
4. 自動點擊銷量按鈕
5. 獲取前三個商品的信息：店鋪名稱、商品名稱、售價

2) 代碼流程

1. 使用chrome瀏覽器訪問網頁，須要使用對應平臺和版本的driver程序。

WebDriverPoolConfig config = new WebDriverPoolConfig("example/chromedriver.exe", Browser.Chrome);
        WebDriverPool.init(config);
複製代碼

2. 實現一個繼承SeleniumAction的類，執行邏輯都在這裏。

package com.cv4j.netdiscovery.example.jd;

import com.cv4j.netdiscovery.selenium.Utils;
import com.cv4j.netdiscovery.selenium.action.SeleniumAction;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.openqa.selenium.By;
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.WebElement;

public class JDAction extends SeleniumAction {

    @Override
    public SeleniumAction perform(WebDriver driver) {
        try {
            //BrowserAction 最大化瀏覽器窗口
            driver.manage().window().maximize();
            Thread.sleep(3000);

            //輸入商品關鍵字
            String searchText = "商務筆記本";
            String searchInput = "//*[@id=\"keyword\"]";
            WebElement userInput = Utils.getWebElementByXpath(driver, searchInput);
            userInput.sendKeys(searchText);
            Thread.sleep(3000);

            //觸發查詢事件
            String searchBtn = "/html/body/div[2]/form/input[4]";
            Utils.clickElement(driver, By.xpath(searchBtn));
            Thread.sleep(3000);

            //觸發銷量事件
            String saleSortBtn = "//*[@id=\"J_filter\"]/div[1]/div[1]/a[2]";
            Utils.clickElement(driver, By.xpath(saleSortBtn));
            Thread.sleep(3000);

            //獲取頁面的html源碼並轉化爲對象
            String pageHtml = driver.getPageSource();
            Document document = Jsoup.parse(pageHtml);
            Elements elements = document.select("div[id=J_goodsList] li[class=gl-item]");
            if(elements != null && elements.size() >= 3) {
                for (int i = 0; i < 3; i++) {
                    Element element = elements.get(i);
                    String storeName = element.select("div[class=p-shop] a").first().text();
                    String goodsName = element.select("div[class=p-name p-name-type-2] a em").first().text();
                    String goodsPrice = element.select("div[class=p-price] i").first().text();
                    System.out.println(storeName+" "+goodsName+" ￥"+goodsPrice);
                }
            }
        } catch(InterruptedException e) {
            e.printStackTrace();
        }
        return null;
    }
}
複製代碼

3. 把action裝載到下載器SeleniumDownloader，而且構建一個Spider

package com.cv4j.netdiscovery.example.jd;

import com.cv4j.netdiscovery.core.Spider;
import com.cv4j.netdiscovery.selenium.Browser;
import com.cv4j.netdiscovery.selenium.downloader.SeleniumDownloader;
import com.cv4j.netdiscovery.selenium.pool.WebDriverPool;
import com.cv4j.netdiscovery.selenium.pool.WebDriverPoolConfig;

public class JDSpider {
    public static void main(String[] args) {
        WebDriverPoolConfig config = new WebDriverPoolConfig("example/chromedriver.exe", Browser.Chrome);
        WebDriverPool.init(config);

        JDAction jdAction = new JDAction();
        SeleniumDownloader seleniumDownloader = new SeleniumDownloader(jdAction);

        String url = "https://search.jd.com/";
        Spider.create()
                .name("searchJD")
                .url(url)
                .downloader(seleniumDownloader)
                .run();
    }
}
複製代碼

4. spider的執行結果

   

3) 進一步說明

1. 以上代碼只是例子，實際工做中action邏輯會比較複雜。咱們能夠根據需求，把action拆分爲多個，經過list裝配到加載器，框架會根據add順序排隊執行action。

List<SeleniumAction> actionList = new ArrayList<>();
        actionList.add(new BrowserAction());
        actionList.add(new InitAction());
        actionList.add(new WorkAction());

        SeleniumDownloader seleniumDownloader = new SeleniumDownloader(actionList);
複製代碼

2. 若是自動化工做須要週期性執行，能夠參考以前的文章，把spider加載到SpiderEngine中，而後調用runRepeat()，實現重複執行。

SpiderEngine engine = SpiderEngine.create();
        for(...) {
            engine.addSpider(spider);
        }
        engine.runWithRepeat();
複製代碼

3. 也許有些夥伴會問action類中的xpath怎麼來的？我是使用chrome瀏覽器，經過開發者工具中Elements，選中元素後點右鍵，而後找到xpath的。

   

4. 如何從html字符串轉換爲對象，實現目標數據的精確獲取，有不少方法。好比Jsoup。

好了，本篇只是拋磚引玉，相信有須要的夥伴確定有深刻的需求和想法，歡迎你們關注Java爬蟲框架NetDiscovery https://github.com/fengzhizi715/NetDiscovery