如何在网页上获取有用的信息

如何通过java代码来获取网页上的一些有用的信息呢？

首先我们来说一下原理：使用java程序，访问某个网页，获得返回来的html代码。然后就可以利用jsoup相关api，来解析该html文档，解析出来我们需要的数据。

图样图森破：

这个就是我们使用java代码获取网页信息的流程图。

例如获取到如下html源码：

针对上面的数据，就可以解析出我们想要的数据，例如每个地方的银行帐号、户名、联系电话等。 注意：对应那些是通过js动态生成的网页，采用这种办法，就无法达到我们的目的了，这种网页，不在本文的讨论范围。

我们还需要准备一个jsoup的jar包用来解析html

[size=10.5000pt]

        @Test

        public void getHtml() throws IOException {

                // 1，将地址转化为URL对象

                URL url = new URL("http://cs.itheima.com/flow/flow.html");

                // 2，打开URL链接

                HttpURLConnection conn = (HttpURLConnection) url.openConnection();

                // 3，将连接设置

                conn.setRequestMethod("GET");

                // 模拟浏览器请求

                conn.setRequestProperty("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");

                conn.setRequestProperty("Accept-Encoding", "gzip, deflate");

                conn.setRequestProperty("Accept-Language", "zh-CN");

                conn.setRequestProperty("Cache-Control", "max-age=0");

                conn.setRequestProperty("Connection", "keep-alive");

                conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded");

                conn.setRequestProperty("DNT", "1");

                conn.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.75 Safari/537.36 Maxthon/5.1.3.2000");

                // 4，建立HttpURLConnection链接

                conn.connet();

                // 此处getOutputStream会隐含的进行connect

                // 所以在开发中不调用上述的connect()也可以)。

                // 5，读取网页内容(IO流)   

                InputStream in = conn.getInputStream();

                ByteArrayOutputStream baos = new ByteArrayOutputStream();

                byte[] arr =  new byte[1024];

                int len = 1024;

                while((len=in.read(arr))!=-1){

                        baos.write(arr, 0, len);

                }

                in.close();

                // 6，内容解析

                Document document = Jsoup.parse(baos.toString("utf-8"), "UTF-8");

                Elements divList = document.select(".bank_list");

                for (int i = 0; i < divList.size(); i++) {

                        Element div = divList.get(i);

                        Element h3 = div.getElementsByTag("h3").get(0);

                        System.out.println(h3.text());

                        Elements pList = div.getElementsByTag("p");

                        for(int j=0; j<pList.size(); j++){

                                System.out.println(pList.get(j).text());

                        }

                        System.out.println();

                }

        }

}

/*

<div class="bank_list">                                                        

        <h3>上海中心</h3>

        <p><span>招商银行：</span>1109 0927 9110 204</p>

        <p>户名：江苏传智播客教育科技股份有限公司</p>

        <p>开户行：招商银行上海浦江镇支行</p>

        <p>汇款后可致电查询：400-618-9090</p>

</div>        

*/

最后获取到的信息：

666。学到了很多东西