网络爬虫需要掌握的基础知识

标签:#Java##网络爬虫# 时间:2016-09-08 22:06:08 作者:十七岁的雨季

目录

这里写图片描述
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。
这里写图片描述

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。

  1. <dependency>
  2. <groupId>org.jsoup</groupId>
  3. <artifactId>jsoup</artifactId>
  4. <version> 1.8.2</version>
  5. </dependency>

这里写图片描述

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

这里写图片描述

 

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.”);
这里写图片描述
这里写图片描述

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

  1. package FileUtil;
  2. import java.io.BufferedReader;
  3. import java.io.BufferedWriter;
  4. import java.io.File;
  5. import java.io.FileInputStream;
  6. import java.io.FileOutputStream;
  7. import java.io.FileReader;
  8. import java.io.IOException;
  9. import java.io.InputStreamReader;
  10. import java.io.OutputStreamWriter;
  11. import java.util.ArrayList;
  12. import java.util.HashMap;
  13. import java.util.List;
  14. import java.util.Map;
  15. import org.apache.commons.logging.Log;
  16. import org.apache.commons.logging.LogFactory;
  17. public class FileTest {
  18. static final Log logger = LogFactory.getLog(FileTest.class);
  19. public static void main(String[] args) throws IOException {
  20. /****** 读入的数据存入list<>中******/
  21. List<String> Data=new ArrayList<String>();
  22. /****** 创建所要读的文本******/
  23. File file = new File("E:\\钱洋个人\\网络爬虫培训\\attentionword.txt");
  24. /****** FileReader顺序读取文件*****/
  25. FileReader fileReader = new FileReader(file);
  26. /****** 根据FileReader创建的实例******/
  27. BufferedReader bufferedReader =new BufferedReader(fileReader);
  28. String s=null;
  29. while ((s=bufferedReader.readLine())!=null) {
  30. Data.add(s);
  31. logger.info(s);
  32. }
  33. bufferedReader.close();
  34. fileReader.close();
  35. /****** 文件读取第二种方式 ******/
  36. 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"));
  37. String s1=null;
  38. while ((s1=reader.readLine())!=null) {
  39. Data.add(s1);
  40. logger.info(s1);
  41. }
  42. reader.close();
  43. /****** 文件写入第一种方式 ******/
  44. /*File file1=new File("D:\\钱洋个人\\网络爬虫培训\\b.txt","utf-8");
  45. FileOutputStream fileOutputStream=new FileOutputStream(file1);
  46. OutputStreamWriter outputStreamWriter=new OutputStreamWriter(fileOutputStream);
  47. BufferedWriter bufferedWriter1=new BufferedWriter(outputStreamWriter);*/
  48. /****** 文件写入快捷方式******/
  49. 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"));
  50. /****** map的使用 ******/
  51. Map<Integer,String> map=new HashMap<Integer,String>();
  52. /****** map添加数据 ******/
  53. for (String data : Data){
  54. map.put(Integer.parseInt(data.split("\\s")[0]), data.substring(1,data.length()));
  55. }
  56. /****** map遍历数据 ******/
  57. for( Integer key : map.keySet() ){
  58. System.out.println("key:"+key+"\tvalue:"+map.get(key));
  59. writer.append("key:"+key+"\tvalue:"+map.get(key)+"\r\n");
  60. }
  61. writer.close();
  62. }
  63. }
欢迎大家关注DataLearner官方微信,接受最新的AI技术推送
Back to Top