网络爬虫之获取图片到本地.doc_第1页
网络爬虫之获取图片到本地.doc_第2页
网络爬虫之获取图片到本地.doc_第3页
网络爬虫之获取图片到本地.doc_第4页
免费预览已结束,剩余1页可下载查看

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

/* * Created on Aug 26, 2011 2:41:26 PM * * HtmlSourceGetter.java * * NOTICE OF PROPRIETARY RIGHTS * * This program is a confidential trade secret and the property of author. Use, examination, * reproduction, disassembly, decompiling, transfer and/or disclosure to others of * all or any part of this software program are strictly prohibited except by express * written agreement with author. * * - * Modification History * Date Author Version Description * Aug 26, 2011 Cross 1.0 New * - */package com.cross.tools;import java.io.BufferedInputStream;import java.io.File;import java.io.FileOutputStream;import java.io.IOException;import java.io.OutputStream;import .HttpURLConnection;import .URL;import org.htmlparser.Node;import org.htmlparser.NodeFilter;import org.htmlparser.Parser;import org.htmlparser.filters.NodeClassFilter;import org.htmlparser.tags.ImageTag;import org.htmlparser.tags.LinkTag;import org.htmlparser.util.NodeList;import org.htmlparser.util.ParserException;import org.htmlparser.util.SimpleNodeIterator;public class HtmlSourceGetter private static HttpURLConnection con = null; private static BufferedInputStream bis = null; private static OutputStream out = null; public static void getSource(String url) public static void parseHTML(String url, String keyword) private static void processNodeList(NodeList list, String keyword) public static void extractLinks(String url) try Parser parser = new Parser(url); parser.setEncoding(UTF-8); / frame filter NodeFilter frameFilter = new NodeFilter() Override public boolean accept(Node node) if(node.getText().startsWith(frame src=) return true; return false; ; / image filter; NodeFilter imageFilter = new NodeClassFilter(ImageTag.class); / href filter; NodeFilter linkFilter = new NodeClassFilter(LinkTag.class); / link or image filter/ OrFilter orFilter = new OrFilter(new NodeClassFilter(LinkTag.class),new NodeClassFilter(ImageTag.class); / link or image or frame filter/ OrFilter allFilter = new OrFilter(orFilter,frameFilter); NodeList nodeList = parser.extractAllNodesThatMatch(imageFilter); for (int i = 0; i nodeList.size(); i+) Node tag = nodeList.elementAt(i); / tag/ if(tag instanceof LinkTag) / LinkTag link = (LinkTag)tag;/ String linkURL = link.getLink();/ String linkText = link.getLinkText();/ System.out.println(linkURL:+linkURL);/ System.out.println(linkText:+linkText);/ / tag/ else if(tag instanceof ImageTag) ImageTag image = (ImageTag)tag; String imageURL = image.getImageURL(); String imageText = image.getText(); System.out.println(imageURL:+imageURL); System.out.println(imageText:+imageText); con = (HttpURLConnection)(new URL(imageURL).openConnection(); con.connect(); bis = new BufferedInputStream(con.getInputStream(); out = new FileOutputStream(new File(c:/cross/ + i + _ +System.currentTimeMillis() +imageURL.substring(imageURL.lastIndexOf(.); byte buf = new byte1024; int size = 0; while(size = bis.read(buf) != -1) out.write(buf, 0, size); / out.flush(); / else / tag eg:/ String frame = tag.getText();/ String frameURL = frame.split()1;/ System.out.println(frameURL:+frameURL);/ / catch (Exception e) System.err.println(e.getStackTrace(); finally try out.close(); bis.close(); con.disconnect(); catch (IOException e) e.printStackTrace(); public static void main(String args) / HtmlSourceGetter.parseHTML(http:/localhost:8080/test/, );/

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论