网络爬虫需要掌握的基础知识

目录

这张图为我给自己研究所人讲网络爬虫的一个流程，本人也将按照这个流程来讲网络爬虫，如果你的基础较好，可以直接跳过相关流程。

1、Java中maven的使用

使用maven能很轻松的从网络中下载所需的插件
及依赖（下载程序所依赖的JAR包），存储在某一位置中,在程序编译时自动去寻找jar包。初次使用maven时，可能会很慢，会遇到很多问题（国外的源，下载jar包很慢）可以配置一些国内的源，如csdn的。
maven的jar包搜索地址地址：http://mvnrepository.com/，可以通过这个地址搜索自己需要的相关jar包。

使用maven最大的方面，在ecliplse中建工程的时候，我们选择maven工程。如下图所示，maven工程上面会有一个M的标致，同时生成一个pom.xml文件，通过在pom.xml中加入以下类型的文件，便可把jar包引入到Maven Dependencies中。

    <dependency>
          <groupId>org.jsoup</groupId>
          <artifactId>jsoup</artifactId>
          <version>  1.8.2</version>
      </dependency>

我们可以在http://mvnrepository.com/网站中搜索自己需要的相关jar包后，将其复制到pom.xml中即可。如下图所示

2、log4j

log4j的介绍

log4j是Apache下的一个开源项目，用来控制日志信息，方便的日志记录。之所以要记录日志，可以详细的记录程序发生了什么，在哪里发生的，有没有错误等。在使用log4j之前需要使用maven引入log4j的jar包。
其中，日志的输出级别（%p ）：DEBUG，INFO，WARN，ERROR，FATAL(每个严重的错误事件将会导致应用程序的退出)

log4j提供的几种方法

(1)Appender方法：日志输出目的地
org.apache.log4j.ConsoleAppender（控制台），org.apache.log4j.FileAppender（文件），org.apache.log4j.DailyRollingFileAppender（每天产生一个日志文件），org.apache.log4j.RollingFileAppender（文件大小到达指定尺寸的时候产生一个新的文件），org.apache.log4j.WriterAppender（将日志信息以流格式发送到任意指定的地方）。
(2)Layout方法：日志输出格式
org.apache.log4j.HTMLLayout（以HTML表格形式布局），org.apache.log4j.PatternLayout（可以灵活地指定布局模式），org.apache.log4j.SimpleLayout（包含日志信息的级别和信息字符串），org.apache.log4j.TTCCLayout（包含日志产生的时间、线程、类别等等信息）。

使用步骤

(1)导入log4j-1.2.8.jar包（我们使用maven）。
(2)在根目录src下建立并配置log4j.properties，如下图所示为我的配置。
(3)使用（演示），如下图所示。
logger.debug(“This is debug.”);
logger.info(“This is an info.”);
logger.warn(“This is a warning.”);
logger.error(“This is an error.”);
logger.fatal(“This is a fatal error.”);

3、输入流与输出流

这里也不做很多介绍，简单一点，输入流、输出流就是文件的读与写，当然这样理解比较狭隘。详细的，大家可以看http://blog.csdn.net/liuxiaogangqq/article/details/25892667。这篇博客，总结的很全面，值得学习。
（1）读取文件（输入流read()）、写文件(输出流write())
（2）文件字节流：FileInputStream（）、 FileOutputStream（）
（3）文件字符流： FileReader()、FileWriter ()
（4）缓冲流（读写能力强，最常用）：BufferedReader（）、BufferedWriter（）
注意：缓冲流的源必须是字节流或者字符流
案列：

数据的读写程序以及map的使用

package FileUtil;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
public class FileTest {
    static final Log logger = LogFactory.getLog(FileTest.class);
    public static void main(String[] args) throws IOException {
        /****** 读入的数据存入list<>中******/
        List<String> Data=new ArrayList<String>();
        /****** 创建所要读的文本******/
        File file = new File("E:\\钱洋个人\\网络爬虫培训\\attentionword.txt");
        /****** FileReader顺序读取文件*****/
        FileReader fileReader = new FileReader(file);
         /****** 根据FileReader创建的实例******/
        BufferedReader bufferedReader =new BufferedReader(fileReader);
        String s=null;
        while ((s=bufferedReader.readLine())!=null) {
            Data.add(s);
            logger.info(s);
        }
        bufferedReader.close();
        fileReader.close();
        /****** 文件读取第二种方式  ******/
        BufferedReader reader = new BufferedReader( new InputStreamReader( new FileInputStream( new File( "E:\\钱洋个人\\网络爬虫培训\\b.txt")),"utf-8"));
        String s1=null;
        while ((s1=reader.readLine())!=null) {
            Data.add(s1);
            logger.info(s1);
        }
        reader.close();
        /****** 文件写入第一种方式  ******/
        /*File file1=new File("D:\\钱洋个人\\网络爬虫培训\\b.txt","utf-8");
        FileOutputStream fileOutputStream=new FileOutputStream(file1);
        OutputStreamWriter outputStreamWriter=new OutputStreamWriter(fileOutputStream);
        BufferedWriter bufferedWriter1=new BufferedWriter(outputStreamWriter);*/
        /****** 文件写入快捷方式******/
        BufferedWriter writer = new BufferedWriter( new OutputStreamWriter( new FileOutputStream( new File("D:\\钱洋个人\\网络爬虫培训\\d.txt")),"utf-8"));
        /****** map的使用 ******/
        Map<Integer,String> map=new HashMap<Integer,String>();
        /****** map添加数据 ******/
        for (String data : Data){
            map.put(Integer.parseInt(data.split("\\s")[0]), data.substring(1,data.length()));
        }
        /****** map遍历数据 ******/
        for( Integer key : map.keySet() ){
            System.out.println("key:"+key+"\tvalue:"+map.get(key));
            writer.append("key:"+key+"\tvalue:"+map.get(key)+"\r\n");
        }
        writer.close();
    }
}