Java 爬虫实战二之获取CSDN博主排名

1.需求

根据csdn的博主网址，获取其个人排名信息。然后将信息写入到openTSDB中，【其实底层是写入到HBase数据库中】，进行数据的时序分析。

2.代码

  • CsdnHtml类
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.util.ArrayList;

public class CsdnHtml extends Html {
    public ArrayList getSpecificInfo(String name, String url, String classType, String charset) {
        ArrayList arrayList = new ArrayList();

        String[] result = new String[4];
        Element tempEle = null;
        Document document = this.getHtmlTextByPath(name,url,charset);//care! The document is in org.jsoup.nodes
        if(document!=null){
            Elements eSets = document.getElementsByClass(classType);//care! The Element is in org.jsoup.select.Elements
            for(Element eUnit : eSets){// get every Element unit
                if(eUnit!=null){//eUnit是标签<div>那层
                    int i = 0;
                    for(Element eCell : eUnit.children())  //一个tr的子元素td，td内包含a标签
                    {//eCell 是标签<dl>那层
                        result[0]=eCell.children().first().ownText();//<dt>层
                        tempEle=eCell.child(1);//<dd>层
                        result[1]=tempEle.ownText();
                        if(i==0){
                            result[1]=tempEle.child(0).attr("href");
                            //result[2] = tempEle.children().attr("title");
                            result[2] = tempEle.child(0).attr("title").substring(0,2);//[0,2)
                        }
                        else
                            result[2]=tempEle.attr("title");
                        if(i==3)
                            result[2] = result[1];
                        System.out.println(result[0] +"\t"+ result[1] +"\t"+ result[2]);
                        i++;
                    }
                }
            }
        }
        return arrayList;
    }
}

该类中继承的抽象类​​Html​​，以及使用测试主类​​TestCrawler​​在上篇博文《​​Java爬虫实战一之获取全国信息​​》中都有介绍。

针对上述的代码，下面给出csdn官网的部分前端代码，目的是为了更好的使用dom树知识。

<dl>
    <dt>等级：</dt>
    <dd>
        <a href="https://blog.csdn.net/home/help.html#level" title="6级,点击查看等级说明" target="_blank">
            <svg class="icon icon-level" aria-hidden="true">
                <use xlink:href="#csdnc-bloglevel-6"></use>
            </svg>
        </a>
    </dd>
</dl>
<dl>
    <dt>访问：</dt>
    <dd title="176646">17万+</dd>
</dl>
<dl>
    <dt>积分：</dt>
    <dd title="7087">7087</dd>
</dl>
<dl title="4547">
    <dt>排名：</dt>
    <dd>4547</dd>
</dl>

3.执行结果

Java 爬虫实战二之获取CSDN博主排名_ico

下一步骤就是讲获取到的数据写入到openTSDB中，敬请期待下一篇博客。