抓取网页数据工具(极尽其所能将网页内容、HTTP报头、Cookie里的数据记录 )

　　抓取网页数据工具(极尽其所能将网页内容、HTTP报头、Cookie里的数据记录

)

　　GoldDataSpider 是一个用于抓取网页和提取数据的工具。其核心代码与黄金数据采集融合平台分离。

　　该项目提供从网页中抓取和提取数据的功能。它不仅可以提取网页内容，还可以从 URL、HTTP 标头和 cookie 中提取数据。

　　该项目定义了简洁、灵活和敏捷的结构或常规语法。尽最大努力从网页内容、HTTP 标头、cookie 中提取有意义和有价值的数据字段，甚至将其他网页和其他 网站 数据关联起来形成数据记录。此外，还可以嵌入http请求来补充数据字段，比如一些需要提供字典翻译的字段等等。

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

　　我们还提供规则可视化公式，请下载。也

　　入门

　　首先，我们需要给项目添加依赖，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'

　　然后就可以使用这个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

　　您可以在项目中将其用作调用服务和 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);

}

}