抓取网页数据工具(完全免费金色数据平台社区版的文档使用入门(图) )

　　抓取网页数据工具(完全免费金色数据平台社区版的文档使用入门(图)

)

　　GoldDataSpider 是一个用于抓取网页和提取数据的工具。核心代码与黄金数据采集与集成平台分离。

　　本项目提供对网页数据的爬取和提取，不仅可以提取网页内的内容，还可以提取URL、HTTP头、Cookie中的数据。

　　该项目定义了简洁、灵活、敏捷的结构或规则语法。尽量从网页内容、HTTP头、cookies，甚至其他网页，以及其他网站数据中提取有意义的、有价值的数据字段，形成数据记录。另外，可以嵌入http请求来补充数据字段。比如有些字段需要提供翻译字段给字典等等。

　　该项目还可以支持从各种类型的文档中提取数据，例如html/xml/json/javascript/text等。

　　我们还提供规则的可视化准备。请下载完全免费的金数据平台社区版，采集数量不限，爬虫数量不限，导出数据不限。和详细的文档

　　入门

　　首先，我们需要在项目中添加依赖，如下：

　　1、对于maven项目

com.100shouhou.golddata

golddata-spider

1.1.3

　　2、对于gradle项目

compile group: 'com.100shouhou.golddata', name: 'golddata-spider', version: '1.1.3'

　　然后你就可以使用依赖提供的简洁明了的API，如下：

@Test

public void testGoldSpider(){

String ruleContent=

" { \n"+

" __node: li.sky.skyid \n"+

" date: \n"+

" { \n"+

" expr: h1 \n"+

" __label: 日期 \n"+

" } \n"+

" sn: \n"+

" { \n"+

" \n"+

" js: md5(baseUri+item.date+headers['Content-Type']);\n"+

" } \n"+

" weather: \n"+

" { \n"+

" expr: p.wea \n"+

" } \n"+

" temprature: \n"+

" { \n"+

" expr: p.tem>i \n"+

" } \n"+

" } \n";

GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()

.setUrl("http://www.weather.com.cn/weather/101020100.shtml")

.setRule(ruleContent)

.request();

List list=spider.extractList();

// List weathers=spider.extractList(Weather.class);

// Weather weathers=spider.extractFirst(Weather.class);

list.forEach( System.out::println);

}

　　运行上面的测试，你会看到类似下面的输出：

{date=19日（今天）, weather=阴转小雨, temprature=10℃, sn=8bc265cb2bf23b6764b75144b255d81d}

{date=20日（明天）, weather=小雨转多云, temprature=11℃, sn=9efd7e7bbbfb9bb06e04c0c990568bfd}

{date=21日（后天）, weather=多云转中雨, temprature=11℃, sn=728539ac882721187741708860324afa}

{date=22日（周六）, weather=小雨, temprature=9℃, sn=a23fa2233e750a3bdd11b2e200ed06c3}

{date=23日（周日）, weather=小雨转多云, temprature=8℃, sn=b27e1b8a8e92a7bed384ceb3e4fdfb5f}

{date=24日（周一）, weather=多云转小雨, temprature=8℃, sn=c142b7fd12330ca031dd96b307c0d50d}

{date=25日（周二）, weather=小雨转中雨, temprature=6℃, sn=16f71d3c8f09394588532a3ed1a8bacf}

　　用作服务或 API

　　您可以将其用作项目中的调用服务和 API。例如如下：

@Service

public class WeatherServiceImpl implements WeatherService{

public List listByCityId(Long cityId){

String url="http://www.weather.com.cn/weather/"+cityId+".shtml"

String rule=""

GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()

.setUrl(url)

.setRule(ruleContent)

.request();

return spider.extractList(Weather.class);

}

}