如何使用Java制作簡單的Web爬網(wǎng)程序原型。制作Web搜尋器并不像聽起來那樣困難。只需按照指南進行操作，您將在1小時或更短的時間內迅速到達該地點，然后享受它可以為您提供的大量信息。由于這只是一個原型，因此您需要花費更多時間來根據(jù)需要自定義它。

以下是本教程的先決條件：

·基本Java程式設計

·關于SQL和MySQL數(shù)據(jù)庫的一些知識。

如果您不想使用數(shù)據(jù)庫，則可以使用文件來跟蹤爬網(wǎng)歷史記錄。

1.目標

在本教程中，目標如下：

給定學校根URL，例如"mit.edu"，返回包含該學校字符串"research"的所有頁面

典型的搜尋器按以下步驟工作：

1.解析根網(wǎng)頁（"mit.edu"），并從該頁面獲取所有鏈接。要訪問每個URL并解析HTML頁面，我將使用JSoup，它是用Java編寫的便捷的網(wǎng)頁解析器。

2.使用從步驟1檢索到的URL，并解析這些URL

3.執(zhí)行上述步驟時，我們需要跟蹤之前已處理過的頁面，因此每個網(wǎng)頁僅被處理一次。這就是我們需要數(shù)據(jù)庫的原因。

2.設置MySQL數(shù)據(jù)庫

如果您使用的是Ubuntu，則可以按照本指南安裝Apache，MySQL，PHP和phpMyAdmin。

如果使用Windows，則只需使用WampServer。您可以簡單地從wampserver.com下載它，并在一分鐘內安裝它，可以繼續(xù)進行下一步。

我將使用phpMyAdmin來操作MySQL數(shù)據(jù)庫。它只是使用MySQL的GUI界面。如果您使用任何其他工具或不使用GUI工具，那都很好。

3.創(chuàng)建一個數(shù)據(jù)庫和一個表

創(chuàng)建一個名為"Crawler"的數(shù)據(jù)庫，并創(chuàng)建一個名為"Record"的表，如下所示：

CREATE TABLE IF NOT EXISTS`Record`(
`RecordID`INT(11)NOT NULL AUTO_INCREMENT,
`URL`text NOT NULL,
PRIMARY KEY(`RecordID`))ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1;

4.開始使用Java進行爬網(wǎng)

1）下載JSoup核心庫。

2）現(xiàn)在，在Jsoup中創(chuàng)建一個名為"Crawler"的項目，并將您下載的JSoup和mysql-connector jar文件添加到Java Build Path。（右鍵單擊項目->選擇"構建路徑"->"配置構建路徑"->單擊"庫"選項卡->單擊"添加外部JAR"）

3）創(chuàng)建一個名為"DB"的類，該類用于處理數(shù)據(jù)庫操作。

import java.sql.Connection;import java.sql.DriverManager;import java.sql.ResultSet;import java.sql.SQLException;import java.sql.Statement;

public class DB{
public Connection conn=null;
public DB(){
try{
Class.forName("com.mysql.jdbc.Driver");
String url="jdbc:mysql://localhost:3306/Crawler";
conn=DriverManager.getConnection(url,"root","admin213");
System.out.println("conn built");
}catch(SQLException e){
e.printStackTrace();
}catch(ClassNotFoundException e){
e.printStackTrace();
}
}

public ResultSet runSql(String sql)throws SQLException{
Statement sta=conn.createStatement();
return sta.executeQuery(sql);
}

public boolean runSql2(String sql)throws SQLException{
Statement sta=conn.createStatement();
return sta.execute(sql);
}

Override
protected void finalize()throws Throwable{
if(conn!=null||!conn.isClosed()){
conn.close();
}
}}

4）創(chuàng)建一個名稱為"Main"的類，它將作為我們的搜尋器。

import java.io.IOException;import java.sql.PreparedStatement;import java.sql.ResultSet;import java.sql.SQLException;import java.sql.Statement;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;

public class Main{
public static DB db=new DB();
public static void main(String[]args)throws SQLException,IOException{
db.runSql2("TRUNCATE Record;");
processPage("http://www.mit.edu");
}
public static void processPage(String URL)throws SQLException,IOException{
//check if the given URL is already in database
String sql="select*from Record where URL='"+URL+"'";
ResultSet rs=db.runSql(sql);
if(rs.next()){
}else{
//store the URL to database to avoid parsing again
sql="INSERT INTO`Crawler`.`Record`"+"(`URL`)VALUES"+"(?);";
PreparedStatement stmt=db.conn.prepareStatement(sql,Statement.RETURN_GENERATED_KEYS);
stmt.setString(1,URL);
stmt.execute();
//get useful information
Document doc=Jsoup.connect("http://www.mit.edu/").get();
if(doc.text().contains("research")){
System.out.println(URL);
}

//get all links and recursively call the processPage method
Elements questions=doc.select("a[href]");
for(Element link:questions){
if(link.attr("href").contains("mit.edu"))
processPage(link.attr("abs:href"));
}
}
}}

以上就是動力節(jié)點java培訓機構的小編針對“java爬蟲技術之如何使用Java制作網(wǎng)絡爬蟲？”的內容進行的回答，希望對大家有所幫助，如有疑問，請在線咨詢，有專業(yè)老師隨時為你服務。