JAVA & XML & JAVASCRIPT & AJAX & CSS

          Web 2.0 技術儲備............

            BlogJava :: 首頁 :: 新隨筆 :: 聯系 :: 聚合  :: 管理 ::
            77 隨筆 :: 17 文章 :: 116 評論 :: 0 Trackbacks
          很久沒把自己做的東西拿出來和大家分享了,今天總算想到可以寫一些東西了。嘿嘿
          美女圖片爬蟲程序很簡單,就是從目標網站上將一些美女圖片抓取下來,并按文件夾的方式歸類存放。
          現在以 http://www.36mn.com/網站為例,將論壇上面的一個個圖片抓取下來慢慢欣賞。

          程序說明:
          com.th.spider.Main 運行這個抓取美女圖片
          com.th.spider.test.* 樣例程序
          com.th.spider.CookieLogin 模擬登陸實例
          com.th.spider.Clean 清除沒圖片的目錄和無效圖片目錄

          用技術創造快感!!!! 嘿嘿


          下載資源:
          圖片抓取代碼.zip         網絡爬蟲原理與實戰PPT.zip

          主要技術:
          Jsoup、HttpClient.

          配置說明:
          config.properties

          #保存目錄
          save.dir=D:/GIRL
          #網站根路徑#
          url.base=http://www.36mn.com/
          #URL訪問模板
          url.template=http://www.36mn.com/forum-62-#page#.html

          #開始PAGE 替換url.template中page參數#
          page.start=1
          #結束PAGE 替換url.template中page參數#
          page.end=2

          #線程池大小,并發抓取圖片的最大線程數#
          thread.pool.size=50

          配置中的page.start 和 page.end 指定了抓取論壇開始頁到結束頁,如果想抓取整個論壇的就page.start=1,page.end=100吧。
          配置目錄save.dir 默認會創建一個D:/GIRL的目錄,用戶保存抓取圖片。圖片保存方式:D:/GIRL/頁號/帖子名/圖片名

          抓取思路:
          1.獲取論壇中的每個帖子標題和連接。
          2.請求帖子連接返回帖子內容。
          3.分析獲取圖片的URL。
          4.定位URL下載圖片到本地。

          論壇帖子列表 http://www.36mn.com/forum-62-1.html

          其中一個帖子內容 http://www.36mn.com/thread-22672-1-2.htmll




          抓取結果




          posted on 2011-06-27 17:07 Web 2.0 技術資源 閱讀(4840) 評論(5)  編輯  收藏 所屬分類: JAVA原創作品其他東東

          評論

          # re: [原創]美女圖片爬蟲程序實戰! 2011-06-27 18:45 thebye85
          寫這種程序真是動力十足啊,哈哈  回復  更多評論
            

          # re: [原創]美女圖片爬蟲程序實戰! 2011-06-27 20:16 luobo
          用技術創造快感,呵呵  回復  更多評論
            

          # re: [原創]美女圖片爬蟲程序實戰! 2011-06-28 08:30 日月雨林@gmail.com
          這個就是動力啊!  回復  更多評論
            

          # re: [原創]美女圖片爬蟲程序實戰!~用技術創造快感![未登錄] 2011-07-01 10:31 杜子
          問個問題,當有代理的時候,我用HttpClient 后,用 HttpHost targetHost = new HttpHost(url);
          HttpHost proxy = new HttpHost("10.231.96.132", 808);
          httpclient.getParams().setParameter(ConnRoutePNames.DEFAULT_PROXY, proxy);

          HttpGet httpget = new HttpGet("");
          HttpResponse response = httpclient.execute(targetHost, httpget);
          執行后 System.out.println(response.getStatusLine()); 出現HTTP/1.1 404 /bbs.wed114.cn/data/attachment/forum/201105/08/174414bfl5qf6qfln3q7g3.jpg/& 后面老多個/& 怎么處理。
            回復  更多評論
            

          # re: [原創]美女圖片爬蟲程序實戰!~用技術創造快感! 2011-07-01 10:51 Web 2.0 技術資源
          2.7. HttpClient proxy configuration
          Even though HttpClient is aware of complex routing scemes and proxy chaining, it supports only simple direct or one hop proxy connections out of the box.

          The simplest way to tell HttpClient to connect to the target host via a proxy is by setting the default proxy parameter:

          DefaultHttpClient httpclient = new DefaultHttpClient();

          HttpHost proxy = new HttpHost("someproxy", 8080);
          httpclient.getParams().setParameter(ConnRoutePNames.DEFAULT_PROXY, proxy);

          One can also instruct HttpClient to use the standard JRE proxy selector to obtain proxy information:

          DefaultHttpClient httpclient = new DefaultHttpClient();

          ProxySelectorRoutePlanner routePlanner = new ProxySelectorRoutePlanner(
          httpclient.getConnectionManager().getSchemeRegistry(),
          ProxySelector.getDefault());
          httpclient.setRoutePlanner(routePlanner);

          Alternatively, one can provide a custom RoutePlanner implementation in order to have a complete control over the process of HTTP route computation:

          DefaultHttpClient httpclient = new DefaultHttpClient();
          httpclient.setRoutePlanner(new HttpRoutePlanner() {

          public HttpRoute determineRoute(
          HttpHost target,
          HttpRequest request,
          HttpContext context) throws HttpException {
          return new HttpRoute(target, null, new HttpHost("someproxy", 8080),
          "https".equalsIgnoreCase(target.getSchemeName()));
          }

          });

            回復  更多評論
            

          主站蜘蛛池模板: 永州市| 元朗区| 信阳市| 获嘉县| 陕西省| 宁武县| 浦城县| 嘉荫县| 榆社县| 临洮县| 惠东县| 闵行区| 吉木萨尔县| 水富县| 娄底市| 乌鲁木齐市| 阆中市| 大城县| 元朗区| 宁德市| 台北市| 庆元县| 波密县| 平陆县| 阿巴嘎旗| 潢川县| 新郑市| 新宁县| 格尔木市| 霍城县| 天峻县| 白水县| 宾阳县| 蓬安县| 辉县市| 天津市| 禄丰县| 五莲县| 巴林左旗| 银川市| 南平市|