Question

使用java开源工具httpclient怎么使用

Answer 1

使用java开源工具httpClient及jsoup抓取解析网页数据
来源：iteye, 原文
今天做项目的时候遇到这样一个需求，需要在网页上展示今日黄历信息，数据格式如下
公历时间：2016年04月11日 星期一
农历时间：猴年三月初五
天干地支：丙申年 壬辰月 癸亥日
宜：求子 祈福 开光 祭祀 安床
忌：玉堂（黄道）危日，忌出行
主要包括公历/农历日期，以及忌宜信息的等。但是手里并没有现成的数据可供使用，怎么办呢？革命前辈曾经说过，没有枪，没有炮，敌（wang）人(luo)给我们造！网络上有很多现成的在线万年历应用可供使用，虽然没有现成接口，但是我们可以伸出手来，自己去拿。也就是所谓的数据抓取。
这里介绍两个使用的工具，httpClient以及jsoup,简介如下：
HttpClient是Apache Jakarta Common下的子项目，用来提供高效的、最新的、功能丰富的支持HTTP协议的客户端编程工具包，并且它支持HTTP协议最新的版本和建议。HttpClient已经应用在很多的项目中，比如Apache Jakarta上很著名的另外两个开源项目Cactus和HTMLUnit都使用了HttpClient。
httpClient使用方法如下：
1. 创建HttpClient对象。
2. 创建请求方法的实例，并指定请求URL。
3. 调用HttpClient对象的execute(HttpUriRequest request)发送请求，该方法返回一个HttpResponse。
4. 调用HttpResponse相关方法获取相应内容。
5. 释放连接。
jsoup 是一款 Java 的 HTML 解析器，可直接解析某个 URL 地址、HTML 文本内容。它提供了一套非常省力的 API，可通过 DOM，CSS 以及类似于 jQuery 的操作方法来取出和操作数据。
需要更多信息可以参见官网下载地址
httpClient:http://hc.apache.org/httpcomponents-client-5.0.x/index.html
jsoup:http://jsoup.org/
接下来我们直接上代码，这里我们抓取2345在线万年历的数据 http://tools.2345.com/rili.htm
首先我们定义一个实体类Almanac来存储黄历数据
Almanac.java 1 package com.likx.picker.util.bean; 2
3 /** 4
* 万年历工具实体类 5
*
6
* @author 溯源blog 7
* 2016年4月11日 8
*/ 9 public class Almanac {10
private String solar;
/* 阳历 e.g.2016年 4月11日 星期一 */11
private String lunar;
/* 阴历 e.g. 猴年 三月初五*/12
private String chineseAra;
/* 天干地支纪年法 e.g.丙申年 壬辰月 癸亥日*/13
private String should;
/* 宜e.g. 求子 祈福 开光 祭祀 安床*/14
private String avoid;
/* 忌 e.g. 玉堂（黄道）危日，忌出行*/15 16
public String getSolar() {17
return solar;18
}19 20
public void setSolar(String date) {21
this.solar = date;22
}23 24
public String getLunar() {25
return lunar;26
}27 28
public void setLunar(String lunar) {29
this.lunar = lunar;30
}31 32
public String getChineseAra() {33
return chineseAra;34
}35 36
public void setChineseAra(String chineseAra) {37
this.chineseAra = chineseAra;38
}39 40
public String getAvoid() {41
return avoid;42
}43 44
public void setAvoid(String avoid) {45
this.avoid = avoid;46
}47 48
public String getShould() {49
return should;50
}51 52
public void setShould(String should) {53
this.should = should;54
}55 56
public Almanac(String solar, String lunar, String chineseAra, String should,57
String avoid) {58
this.solar = solar;59
this.lunar = lunar;60
this.chineseAra = chineseAra;61
this.should = should;62
this.avoid = avoid;63
}64 }
然后是抓取解析的主程序，写程序之前需要在官网下载需要的jar包
AlmanacUtil.javapackage com.likx.picker.util;import java.io.IOException;import java.text.SimpleDateFormat;import java.util.Calendar;import java.util.Date;import org.apache.http.HttpEntity;import org.apache.http.ParseException;import org.apache.http.client.ClientProtocolException;import org.apache.http.client.methods.CloseableHttpResponse;import org.apache.http.client.methods.HttpGet;import org.apache.http.impl.client.CloseableHttpClient;import org.apache.http.impl.client.HttpClients;import org.apache.http.util.EntityUtils;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;/** *<STRONG>类描述</STRONG> :
2345万年历信息爬取工具<p> *
* @version 1.0 <p> * @author 溯源blog *
* <STRONG>创建时间</STRONG> : 2016年4月11日 下午14:15:44<p> * <STRONG>修改历史</STRONG> :<p> *<pre> * 修改人
修改时间
修改内容 * ---------------
-------------------
----------------------------------- *</pre> */public class AlmanacUtil {
/**
* 单例工具类
*/
private AlmanacUtil() {
}
/**
* 获取万年历信息
* @return
*/
public static Almanac getAlmanac(){
String url="http://tools.2345.com/rili.htm";
String html=pickData(url);
Almanac almanac=analyzeHTMLByString(html);
return almanac;
}
/*
* 爬取网页信息
*/
private static String pickData(String url) {
CloseableHttpClient httpclient = HttpClients.createDefault();
try {
HttpGet httpget = new HttpGet(url);
CloseableHttpResponse response = httpclient.execute(httpget);
try {
// 获取响应实体
HttpEntity entity = response.getEntity();
// 打印响应状态
if (entity != null) {
return EntityUtils.toString(entity);
}
} finally {
response.close();
}
} catch (ClientProtocolException e) {
e.printStackTrace();
} catch (ParseException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
// 关闭连接,释放资源
try {
httpclient.close();
} catch (IOException e) {
e.printStackTrace();
}
}
return null;
}
/*
* 使用jsoup解析网页信息
*/
private static Almanac analyzeHTMLByString(String html){
String solarDate,lunarDate,chineseAra,should,avoid=" ";
Document document = Jsoup.parse(html);
//公历时间
solarDate=getSolarDate();
//农历时间
Element eLunarDate=document.getElementById("info_nong");
lunarDate=eLunarDate.child(0).html().substring(1,3)+eLunarDate.html().substring(11);
//天干地支纪年法
Element eChineseAra=document.getElementById("info_chang");
chineseAra=eChineseAra.text().toString();
//宜
should=getSuggestion(document,"yi");
//忌
avoid=getSuggestion(document,"ji");
Almanac almanac=new Almanac(solarDate,lunarDate,chineseAra,should,avoid);
return almanac;
}
/*
* 获取忌/宜
*/
private static String getSuggestion(Document doc,String id){
Element element=doc.getElementById(id);
Elements elements=element.getElementsByTag("a");
StringBuffer sb=new StringBuffer();
for (Element e : elements) {
sb.append(e.text()+" ");
}
return sb.toString();
}
/*
* 获取公历时间,用yyyy年MM月dd日 EEEE格式表示。
* @return yyyy年MM月dd日 EEEE
*/
private static String getSolarDate() {
Calendar calendar = Calendar.getInstance();
Date solarDate = calendar.getTime();
SimpleDateFormat formatter = new SimpleDateFormat("yyyy年MM月dd日 EEEE");
return formatter.format(solarDate);
}}
为了简单明了我把抓取解析抽象成了几个独立的方法，
其中pickData()方法使用httpClient来抓取数据到一个字符串中（就是在网页上点击查看源代码看到的HTML源码），analyzeHTMLByString()方法来解析抓取到的字符串，getSuggestion方法把抓取方法类似的宜忌数据抽象到了一起，另外因为公历时间可以很容易的自己生成就没有在网页上爬取。
然后下面是一个测试类简单测试下效果： AlmanacUtilTest.javapackage com.likx.picker.util.test;public class AlmanacUtilTest {
public static void main(String args[]){
Almanac almanac=AlmanacUtil.getAlmanac();
System.out.println("公历时间："+almanac.getSolar());
System.out.println("农历时间："+almanac.getLunar());
System.out.println("天干地支："+almanac.getChineseAra());
System.out.println("宜："+almanac.getShould());
System.out.println("忌："+almanac.getAvoid());
}}
运行结果如下：
集成到实际项目中效果是这样的：
另外最近博客一直没怎么更新，因为最近考虑到技术氛围的原因，离开了对日外包行业，前往一家互联网公司就职。说一下最近的感受，那就是一个程序员最核心的竞争力不是学会了多少框架，掌握多少种工具（当然这些对于程序员也不可或缺），而是扎实的基础以及快速学习的能力，比如今天这个项目，从对httpClient，jsoup工具一无所知到编写出Demo代码总计大概1个多小时，在之前对于我来说是不可想象的，在技术氛围浓厚的地方快速get技能的感觉，非常好。
当然本例只是一个非常浅显的小例子，网页上内容也很容易抓取，httpClient及jsoup工具更多强大的地方没有体现到，比如httpClient不仅可以发送get请求，而且可以发送post请求，提交表单，传送文件，还比如jsoup最强大的地方在于它支持仿jquery的选择器。本例仅仅使用了最简单的document.getElementById()匹配元素，实际上jsoup的选择器异常强大，可以说它就是java版的jquery,比如这样： Elements links = doc.select("a[href]"); // a with hrefElements pngs = doc.select("img[src$=.png]");
// img with src ending .pngElement masthead = doc.select("div.masthead").first();
// div with class=mastheadElements resultLinks = doc.select("h3.r > a"); // direct a after h3