数据是科研活动重要的基础。本系列博客将讲述如何使用Java工具获取网络的数据。首先，我们讲述一下爬虫的基本原理。爬虫的基本原理很简单，就是利用程序访问互联网，然后将数据保存到本地中。我们都知道，互联网提供的服务大多数是以网站的形式提供的。我们需要的数据一般都是从网站中获取的，如电商网站商品信息、商品的评论、微博的信息等。爬虫和我们手动将看到的数据复制粘贴下来是类似的，只是获取大量的数据靠人工显然不
转载
2023-08-16 16:42:10
79阅读
&nbs
转载
2023-05-31 08:34:05
62阅读
什么是工厂设计模式？工厂设计模式，顾名思义，就是用来生产对象的，在java中，万物皆对象，这些对象都需要创建，如果创建的时候直接new该对象，就会对该对象耦合严重，假如我们要更换对象，所有new对象的地方都需要修改一遍，这显然违背了软件设计的开闭原则，如果我们使用工厂来生产对象，我们就只和工厂打交道就可以了，彻底和对象解耦，如果要更换对象，直接在工厂里更换该对象即可，达到了与对象解耦的目的；所以说
之前一直都没怎么记录自己学习的内容，但是发现之前好多犯过的错自己还是会犯第二遍，现在在csdn上做一些日常记录防止忘记，而且有助于记忆和巩固。1.打开写博客的默认页面，写了一段在贴图的时候发现写不下去了 ，那个编辑器太难用了，想在图片上边插入文字，发现怎么搞都不合适 2.百度了一下，然后发现别人都是使用markdown进行编辑的,直接打开网址)就可以进行编辑了，3.每次都输网址有点麻烦，毕
转载
2023-06-30 22:34:24
73阅读
一. 面向对象的介绍和理解1. 面向对象的介绍Java是一门纯面向对象的语言(Object Oriented Program，继承OOP)，在面向对象的世界里，一切皆为对象。面向对象是解决问题的一种思想，主要依靠对象之间的交互完成一件事情。用面向对象的思想来涉及程序，更符合人们对事物的认知，对于大型程序的设计、扩展以及维护都非常友好。2. 面向对象的理解利用生活中洗衣服的例子理解面向对象：1).传
转载
2024-09-26 09:04:49
33阅读
最近在弄一个高并发项目，经过接口压测后，各项指标不禁人意，也一直在搞程序调优（Nginx、Redis、数据库）。真的是被虐得是体无完肤，发丝也日渐脆弱。哎………….还在锤炼中………在调优的过程中，我把在程序中遇到多线程优化的几个场景案例记录分享一下，以供学习和交流。场景一：数据拆分多个subList, 分批多线程导入// map拆分成多个subList
List<Map<String,
转载
2023-08-31 21:26:21
49阅读
根据使用场景，网络爬虫可分为 通用爬虫 和 聚焦爬虫 两种。1. 通用爬虫通用网络爬虫 是 捜索引擎抓取系统（Baidu、Google、Yahoo等）的重要组成部分。主要目的是将互联网上的网页下载到本地，形成一个互联网内容的镜像备份。通用网络爬虫 从互联网中搜集网页，采集信息，这些网页信息用于为搜索引擎建立索引从而提供支持，它决定着整个引擎系统的内容是否丰富，信息是否即时，因此其性能的优劣直...
原创
2021-07-07 09:34:36
556阅读
点赞
引擎建立索引从而提供支持，它决定着整个引擎系统的内容是否丰富，信息是否即时，因此其性能的优劣直...
原创
2022-03-23 16:38:24
515阅读
python并发爬虫——多线程、线程池实现 目录python并发爬虫——多线程、线程池实现一、常规网络爬虫1. 执行顺序2. 缺点二、并发爬虫1. 原理2. 优点3. 应用3.1 多线程1）常规调用2）自定义线程3）PCS模式3.2 线程池1）一次性提交2）分步提交3）分步提交加强版四、结语 一个网络爬虫通常由发送请求、获取响应、解析页面、本地保存等这几部分组成。其中最难，细节最多的当然是页面解
转载
2023-08-04 19:23:47
290阅读
网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。互联网犹如一个大蜘蛛网，我们的爬虫就犹如一个蜘蛛，当在互联网遇到所需要的资源，我们就会爬取下来，即为爬虫是一个请求网站并且提取数据的自动化程序。
原创
2019-10-09 11:28:21
997阅读
点赞
1评论
文章目录前言爬虫反爬虫运行现状真实世界的爬虫比例哭笑不得的决，还是误伤爬虫反爬虫套路现状不要回应进化法律途径搞事情，立Flag
原创
2023-07-20 12:02:34
0阅读
目录一：单线程爬虫：1：新浪图片NBA标题和图片的爬取：二：多线程爬虫：1： 回顾多线程的方法：2：回顾队列的使用：3：多线程爬虫的执行流程：4：糗事百科多线程爬虫：三：多进程爬虫：一：单线程爬虫：1：新浪图片NBA标题和图片的爬取："""抓取的网站链接：http://api.slide.news.sina.com.cn/interface/api_album.php?activity_size=198_132&size=img&ch_id=2&sub_ch=k&"
原创
2021-07-30 13:59:59
497阅读
1、爬虫是什么网络爬虫（又称网络机器人），是一种按照一定的规则，自动地抓取网络信息的程序或者脚本。 通俗地讲，我们把互联网比作一张大蜘蛛网，每个站点资源比作蜘蛛网上的一个结点，爬虫就像一只蜘蛛，按照设计好的路线和规则在这张蜘蛛网上找到目标结点，获取资源。2、为什么使用爬虫为什么我们需要使用爬虫呢？1 你的工作是每天整理新闻，获取与目标题材相关的新闻信息，那么就需要你每天固定时间去看新闻网站的更新内
转载
2024-04-07 14:23:29
101阅读
今天给大家分享一下QQ音乐sign参数的逆向。QQ音乐的sign是由webpack打包生成的。大致上就是把所有的函数封装为一个模块，然后通过加载器导出函数。各位如有什么不懂可以百度喔，这里就不做过多的解释了。长话短说，切入正题。进入一首歌播放页，框框里面的内容加上https://dl.stream.qqmusic.qq.com就是音乐的下载地址。 si
转载
2023-07-17 20:36:41
314阅读
aspx网站数据爬取（政务大数据）aspx网站数据爬取，python爬取ASPX网站，记一次政务数据获取，需要根据浏览器查自己的cookie才可用，cookie没有附上： 由于工作需要政务数据，恰巧爬取aspx网站，因此总结一下。需要根据浏览器查自己的cookie才可用，cookie没有附上： github项目地在:https://github.com/yong
转载
2023-07-10 00:24:58
192阅读
文章目录什么是Item？Item的声明item的使用1、实例化items对象2、通过key值或者get方法获取items的值3、给item赋值4、获取所有的key值5、获取所有的value值Item Loader输入和输出处理器Item Loader的声明方法使用ItemLoader改写book爬虫代码 什么是Item？爬虫的主要目标是从非结构化的数据源(通常是web页面)中提取结构化数据。Sc
转载
2023-10-15 00:39:13
139阅读
什么是爬虫？要想入门爬虫，首先要知道，什么是爬虫。网络爬虫（又称网页蜘蛛，网络机器人，更常称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。 入门爬虫首先需要学习1. 基本的爬虫工作原理2.基本的http抓取工具，scrapy3.Bloom Filter：Bloom Filters by Example4
转载
2024-03-22 21:55:18
131阅读
0x0 读前tips本文阅读前置需求：golang基本语法，html、css、js基础知识。听说过正则表达式和golang的http。本文写作目的：记录一次极简爬虫脚本入门向开发。仅供学习使用，不可对网站造成损失。0x1 初识爬虫wiki：网络爬虫（web crawler，spider），是一种用来自动浏览万维网的网络机器人。其目的一般为编纂网络索引,如：网络搜索引擎等站点通过爬虫软件更新自身的网
转载
2024-04-24 20:02:10
60阅读
目录一：单线程爬虫：1：新浪图片NBA标题和图片的爬取：二：多线程爬虫：1： 回顾多线程的方法：2：回顾队列的使用：3：多线程爬虫的执行流程：4：糗事百科多线程爬虫：三：多进程爬虫：一：单线程爬虫：1：新浪图片NBA标题和图片的爬取："""抓取的网站链接：http://api.slide.news.sina.com.cn/interface/api_album.php?activity_size=198_132&size=img&ch_id=2&sub_ch=k&"
原创
2022-02-13 11:50:32
382阅读
你被爬虫侵扰过么？当你看到“爬虫”两个字的时候，是不是已经有点血脉贲张的感觉了？千万要忍耐，稍稍做点什么，就可以在名义上让他们胜利，实际上让他们受损失。
一、为什么要反爬虫
1、爬虫占总PV比例较高，这样浪费钱（尤其是三月份爬虫）。
三月份爬虫是个什么概念呢？每年的三月份我们会迎接一次爬虫高峰期。
最初我们百思不得其解。直到有一次，四月份的时候，我们删除了一个url，然后有个爬虫不断的爬取u
原创
2021-07-20 09:30:18
301阅读
