我的编程空间,编程开发者的网络收藏夹
学习永远不晚

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

java spring+mybatis整合实现爬虫之今日头条搞笑动态图片爬取

先上效果图

抓取的动态图:

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

数据库:

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取 一.此爬虫介绍

今日头条本身就是做爬虫的,爬取各大网站的图片文字信息,再自己整合后推送给用户,特别是里面的动态图片,很有意思。在网上搜了搜,大多都是用Python来写的,本人是学习javaweb这块的,对正则表达式也不是很熟悉,就想着能不能换个我熟悉的方式来写。此爬虫使用spring+mybatis框架整合实现,使用mysql数据库保存爬取的数据,用jsoup来操作HTML的标签节点(完美避开正则表达式),获取文章中动态图片的链接,通过响应头中“Content-Type”的值来判断图片的格式,再将图片保存在本地。当然也可以爬取里面的文字,比如一些搞笑的黄段子,在此基础上稍加改动就可以实现,此爬虫只是提供一个入门的思路,更多好玩的爬虫玩法还待大家去开发,哈哈。

二.技术选型

  1. 核心语言:java;

  2. 核心框架:spring;

  3. 持久层框架:mybatis;

  4. 数据库连接池:Alibaba Drui;

  5. 日志管理:Log4j;

  6. jar包管理:maven; 。。。。

三.找规律,划重点

打开头条首页,找到点击搞笑模块,点击F12,下滚后加载下一页,发现是通过ajax请求api来获取的数据,如下图:

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

这是响应的json数据,里面的参数和值顾名思义大家都懂得。

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

是ajax访问就好解决了,通过我百度谷歌各种研究后发现,ajax请求的前三个参数是不变的,改变category参数是请求不同的模块,本列子是请求的搞笑模块所以值为funny,max_behot_time和max_behot_time_tmp这两个参数值是时间戳,首次请求是0,之后的值是响应json数据里面的next中的值。as和cp值是通过一段js生成的,其实就是一个加密了的时间戳而已。js代码后面会贴。

四.开始搭框架撸代码

项目搭建后之后为下图所示的文件结构,不懂得自行谷歌 哈哈

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

不多说直接上核心代码了:

public class TouTiaoCrawler {// 搞笑板块的api地址public static final String FUNNY = "http://www.toutiao.com/api/pc/feed/?utm_source=toutiao&widen=1";// 头条首页地址public static final String TOUTIAO = "http://www.toutiao.com";// 使用"spring.xml"和"spring-mybatis.xml"这两个配置文件创建Spring上下文static ApplicationContext ac = new ClassPathXmlApplicationContext("spring-mybatis.xml");// 从Spring容器中根据bean的id取出我们要使用的funnyMapper对象static FunnyMapper funnyMapper = (FunnyMapper) ac.getBean("funnyMapper");// 接口访问次数private static int refreshCount = 0;// 时间戳private static long time = 0;public static void main(String[] args) {System.out.println("----------开始干活!-----------------");while (true) {crawler(time);}}public static void crawler(long hottime) {// 传入时间戳,会获取这个时间戳的内容refreshCount++;System.out.println("----------第" + refreshCount + "次刷新------返回的请求时间为:"+ hottime + "----------");String url = FUNNY + "&max_behot_time=" + hottime+ "&max_behot_time_tmp=" + hottime;JSONObject param = getUrlParam(); // 获取用js代码得到的as和cp的值// 定义接口访问的模块String module = "funny";url += "&as=" + param.get("as") + "&cp=" + param.get("cp")+ "&category=" + module;JSONObject json = null;try {json = getReturnJson(url);// 获取json串} catch (Exception e) {e.printStackTrace();}if (json != null) {time = json.getJSONObject("next").getLongValue("max_behot_time");JSONArray data = json.getJSONArray("data");for (int i = 0; i < data.size(); i++) {try {JSONObject obj = (JSONObject) data.get(i);// 判断这条文章是否已经爬过if (funnyMapper.selectByGroupId((String) obj.get("group_id")) != null) {System.out.println("----------此文章已经爬过啦!-----------------");continue;}// 访问页面返回document对象String url1 = TOUTIAO + "/a" + obj.getString("group_id");Document document = getArticleInfo(url1);System.out.println("----------成功访问了文章:" + url1+ "-----------------");// 将document也存入obj.put("document", document.toString());// 将json对象转换成java Entity对象Funny funny = JSON.parseObject(obj.toString(), Funny.class);// json入库funny.setBehotTime(new Date());funnyMapper.insertSelective(funny);} catch (Exception e) {e.printStackTrace();}}} else {System.out.println("----------返回的json列表为空----------");}}// 访问接口,返回json封装的数据格式public static JSONObject getReturnJson(String url) {try {URL httpUrl = new URL(url);BufferedReader in = new BufferedReader(new InputStreamReader(httpUrl.openStream(), "UTF-8"));String line = null;String content = "";while ((line = in.readLine()) != null) {content += line;}in.close();return JSONObject.parseObject(content);} catch (Exception e) {System.err.println("访问失败:" + url);e.printStackTrace();}return null;}// 获取网站的document对象public static Document getArticleInfo(String url) {try {Connection connect = Jsoup.connect(url);Document document;document = connect.get();Elements article = document.getElementsByClass("article-content");if (article.size() > 0) {Elements a = article.get(0).getElementsByTag("img");if (a.size() > 0) {for (Element e : a) {String url2 = e.attr("class="lazy" data-src");// 下载img标签里面的图片到本地saveToFile(url2);}}}return document;} catch (IOException e) {System.err.println("访问文章页失败:" + url + "  原因" + e.getMessage());return null;}}// 执行js获取as和cp参数值public static JSONObject getUrlParam() {JSONObject jsonObject = null;FileReader reader = null;try {ScriptEngineManager manager = new ScriptEngineManager();ScriptEngine engine = manager.getEngineByName("javascript");String jsFileName = "toutiao.js"; // 读取js文件reader = new FileReader(jsFileName); // 执行指定脚本engine.eval(reader);if (engine instanceof Invocable) {Invocable invoke = (Invocable) engine;Object obj = invoke.invokeFunction("getParam");jsonObject = JSONObject.parseObject(obj != null ? obj.toString() : null);}} catch (Exception e) {e.printStackTrace();} finally {try {if (reader != null) {reader.close();}} catch (IOException e) {e.printStackTrace();}}return jsonObject;}// 通过url获取图片并保存在本地public static void saveToFile(String destUrl) {FileOutputStream fos = null;BufferedInputStream bis = null;HttpURLConnection httpUrl = null;URL url = null;String uuid = UUID.randomUUID().toString();String fileAddress = "d:\\imag/" + uuid;// 存储本地文件地址int BUFFER_SIZE = 1024;byte[] buf = new byte[BUFFER_SIZE];int size = 0;try {url = new URL(destUrl);httpUrl = (HttpURLConnection) url.openConnection();httpUrl.connect();String Type = httpUrl.getHeaderField("Content-Type");if (Type.equals("image/gif")) {fileAddress += ".gif";} else if (Type.equals("image/png")) {fileAddress += ".png";} else if (Type.equals("image/jpeg")) {fileAddress += ".jpg";} else {System.err.println("未知图片格式");return;}bis = new BufferedInputStream(httpUrl.getInputStream());fos = new FileOutputStream(fileAddress);while ((size = bis.read(buf)) != -1) {fos.write(buf, 0, size);}fos.flush();System.out.println("图片保存成功!地址:" + fileAddress);} catch (IOException e) {e.printStackTrace();} catch (ClassCastException e) {e.printStackTrace();} finally {try {fos.close();bis.close();httpUrl.disconnect();} catch (IOException e) {e.printStackTrace();} catch (NullPointerException e) {e.printStackTrace();}}}}

获取as和cp参数的js代码

function getParam(){    var asas;    var cpcp;    var t = Math.floor((new Date).getTime() / 1e3)      , e = t.toString(16).toUpperCase()      , i = md5(t).toString().toUpperCase();    if (8 != e.length){        asas = "479BB4B7254C150";        cpcp = "7E0AC8874BB0985";    }else{        for (var n = i.slice(0, 5), o = i.slice(-5), a = "", s = 0; 5 > s; s++){            a += n[s] + e[s];        }        for (var r = "", c = 0; 5 > c; c++){            r += e[c + 3] + o[c];        }        asas = "A1" + a + e.slice(-3);        cpcp= e.slice(0, 3) + r + "E1";    }    return '{"as":"'+asas+'","cp":"'+cpcp+'"}';}!function(e) {    "use strict";    function t(e, t) {        var n = (65535 & e) + (65535 & t)          , r = (e >> 16) + (t >> 16) + (n >> 16);        return r << 16 | 65535 & n    }    function n(e, t) {        return e << t | e >>> 32 - t    }    function r(e, r, o, i, a, u) {        return t(n(t(t(r, e), t(i, u)), a), o)    }    function o(e, t, n, o, i, a, u) {        return r(t & n | ~t & o, e, t, i, a, u)    }    function i(e, t, n, o, i, a, u) {        return r(t & o | n & ~o, e, t, i, a, u)    }    function a(e, t, n, o, i, a, u) {        return r(t ^ n ^ o, e, t, i, a, u)    }    function u(e, t, n, o, i, a, u) {        return r(n ^ (t | ~o), e, t, i, a, u)    }    function s(e, n) {        e[n >> 5] |= 128 << n % 32,        e[(n + 64 >>> 9 << 4) + 14] = n;        var r, s, c, l, f, p = 1732584193, d = -271733879, h = -1732584194, m = 271733878;        for (r = 0; r < e.length; r += 16)            s = p,            c = d,            l = h,            f = m,            p = o(p, d, h, m, e[r], 7, -680876936),            m = o(m, p, d, h, e[r + 1], 12, -389564586),            h = o(h, m, p, d, e[r + 2], 17, 606105819),            d = o(d, h, m, p, e[r + 3], 22, -1044525330),            p = o(p, d, h, m, e[r + 4], 7, -176418897),            m = o(m, p, d, h, e[r + 5], 12, 1200080426),            h = o(h, m, p, d, e[r + 6], 17, -1473231341),            d = o(d, h, m, p, e[r + 7], 22, -45705983),            p = o(p, d, h, m, e[r + 8], 7, 1770035416),            m = o(m, p, d, h, e[r + 9], 12, -1958414417),            h = o(h, m, p, d, e[r + 10], 17, -42063),            d = o(d, h, m, p, e[r + 11], 22, -1990404162),            p = o(p, d, h, m, e[r + 12], 7, 1804603682),            m = o(m, p, d, h, e[r + 13], 12, -40341101),            h = o(h, m, p, d, e[r + 14], 17, -1502002290),            d = o(d, h, m, p, e[r + 15], 22, 1236535329),            p = i(p, d, h, m, e[r + 1], 5, -165796510),            m = i(m, p, d, h, e[r + 6], 9, -1069501632),            h = i(h, m, p, d, e[r + 11], 14, 643717713),            d = i(d, h, m, p, e[r], 20, -373897302),            p = i(p, d, h, m, e[r + 5], 5, -701558691),            m = i(m, p, d, h, e[r + 10], 9, 38016083),            h = i(h, m, p, d, e[r + 15], 14, -660478335),            d = i(d, h, m, p, e[r + 4], 20, -405537848),            p = i(p, d, h, m, e[r + 9], 5, 568446438),            m = i(m, p, d, h, e[r + 14], 9, -1019803690),            h = i(h, m, p, d, e[r + 3], 14, -187363961),            d = i(d, h, m, p, e[r + 8], 20, 1163531501),            p = i(p, d, h, m, e[r + 13], 5, -1444681467),            m = i(m, p, d, h, e[r + 2], 9, -51403784),            h = i(h, m, p, d, e[r + 7], 14, 1735328473),            d = i(d, h, m, p, e[r + 12], 20, -1926607734),            p = a(p, d, h, m, e[r + 5], 4, -378558),            m = a(m, p, d, h, e[r + 8], 11, -2022574463),            h = a(h, m, p, d, e[r + 11], 16, 1839030562),            d = a(d, h, m, p, e[r + 14], 23, -35309556),            p = a(p, d, h, m, e[r + 1], 4, -1530992060),            m = a(m, p, d, h, e[r + 4], 11, 1272893353),            h = a(h, m, p, d, e[r + 7], 16, -155497632),            d = a(d, h, m, p, e[r + 10], 23, -1094730640),            p = a(p, d, h, m, e[r + 13], 4, 681279174),            m = a(m, p, d, h, e[r], 11, -358537222),            h = a(h, m, p, d, e[r + 3], 16, -722521979),            d = a(d, h, m, p, e[r + 6], 23, 76029189),            p = a(p, d, h, m, e[r + 9], 4, -640364487),            m = a(m, p, d, h, e[r + 12], 11, -421815835),            h = a(h, m, p, d, e[r + 15], 16, 530742520),            d = a(d, h, m, p, e[r + 2], 23, -995338651),            p = u(p, d, h, m, e[r], 6, -198630844),            m = u(m, p, d, h, e[r + 7], 10, 1126891415),            h = u(h, m, p, d, e[r + 14], 15, -1416354905),            d = u(d, h, m, p, e[r + 5], 21, -57434055),            p = u(p, d, h, m, e[r + 12], 6, 1700485571),            m = u(m, p, d, h, e[r + 3], 10, -1894986606),            h = u(h, m, p, d, e[r + 10], 15, -1051523),            d = u(d, h, m, p, e[r + 1], 21, -2054922799),            p = u(p, d, h, m, e[r + 8], 6, 1873313359),            m = u(m, p, d, h, e[r + 15], 10, -30611744),            h = u(h, m, p, d, e[r + 6], 15, -1560198380),            d = u(d, h, m, p, e[r + 13], 21, 1309151649),            p = u(p, d, h, m, e[r + 4], 6, -145523070),            m = u(m, p, d, h, e[r + 11], 10, -1120210379),            h = u(h, m, p, d, e[r + 2], 15, 718787259),            d = u(d, h, m, p, e[r + 9], 21, -343485551),            p = t(p, s),            d = t(d, c),            h = t(h, l),            m = t(m, f);        return [p, d, h, m]    }    function c(e) {        var t, n = "";        for (t = 0; t < 32 * e.length; t += 8)            n += String.fromCharCode(e[t >> 5] >>> t % 32 & 255);        return n    }    function l(e) {        var t, n = [];        for (n[(e.length >> 2) - 1] = void 0,        t = 0; t < n.length; t += 1)            n[t] = 0;        for (t = 0; t < 8 * e.length; t += 8)            n[t >> 5] |= (255 & e.charCodeAt(t / 8)) << t % 32;        return n    }    function f(e) {        return c(s(l(e), 8 * e.length))    }    function p(e, t) {        var n, r, o = l(e), i = [], a = [];        for (i[15] = a[15] = void 0,        o.length > 16 && (o = s(o, 8 * e.length)),        n = 0; 16 > n; n += 1)            i[n] = 909522486 ^ o[n],            a[n] = 1549556828 ^ o[n];        return r = s(i.concat(l(t)), 512 + 8 * t.length),        c(s(a.concat(r), 640))    }    function d(e) {        var t, n, r = "0123456789abcdef", o = "";        for (n = 0; n < e.length; n += 1)            t = e.charCodeAt(n),            o += r.charAt(t >>> 4 & 15) + r.charAt(15 & t);        return o    }    function h(e) {        return unescape(encodeURIComponent(e))    }    function m(e) {        return f(h(e))    }    function g(e) {        return d(m(e))    }    function v(e, t) {        return p(h(e), h(t))    }    function y(e, t) {        return d(v(e, t))    }    function b(e, t, n) {        return t ? n ? v(t, e) : y(t, e) : n ? m(e) : g(e)    }    "function" == typeof define && define.amd ? define("static/js/lib/md5", ["require"], function() {        return b    }) : "object" == typeof module && module.exports ? module.exports = b : e.md5 = b}(this)

五.最后

我还发现了头条有个简约版,研究后发现这个简约版应该更好爬一些。

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

访问的格式是p+页码,直接读取每页里面的链接,就可以进行爬取了,就不再通过json串来获取文章地址,也不需要传什么限制参数,在本项目上稍加改动就可以了

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

看完上述内容,你们掌握java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注编程网行业资讯频道,感谢各位的阅读!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取

java spring+mybatis整合如何实现今日头条搞笑动态图片的爬取,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。java spring+mybatis整合实现爬虫之今
2023-06-19

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录