在很多行业当中，我们需要对行业进行分析，就需要对这个行业的数据进行分类，汇总，及时分析行业的数据，对于公司未来的发展，有很好的参照和横向对比。面前通过网络进行数据获取是一个很有效而且快捷的方式。
首先我们来简单的介绍一下，利用java对网页数据进行抓取的一些步骤，有不足的地方，还望指正，哈哈。屁话不多说了。
其实一般分为以下步骤：
1：通过HttpClient请求到达某网页的url访问地址（特别需要注意的是请求方式）
2：获取网页源码
3：查看源码是否有我们需要提取的数据
4：对源码进行拆解，一般使用分割，正则或者第三方jar包
5：获取需要的数据对自己创建的对象赋值
6：数据提取保存
下面简单的说一下在提取数据中的部分源码，以及用途：
/**
* 向指定URL发送GET方法的请求
*
* @param url
* 发送请求的URL
* @param param
* 请求参数，请求参数应该是 name1=value1&name2=value2 的形式。
* @return URL 所代表远程资源的响应结果
*/
public static String sendGet(String url, String param) {
String result = "";
BufferedReader in = null;
try {
String urlNameString = url;
URL realUrl = new URL(urlNameString);
// 打开和URL之间的连接
URLConnection connection = realUrl.openConnection();
// 设置通用的请求属性
connection.setRequestProperty("accept", "*/*");
connection.setRequestProperty("connection", "Keep-Alive");
connection.setRequestProperty("user-agent",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1;SV1)");
// 建立实际的连接
connection.connect();
// 获取所有响应头字段
Map<String, List<String>> map = connection.getHeaderFields();
// 定义 BufferedReader输入流来读取URL的响应
in = new BufferedReader(new InputStreamReader(
connection.getInputStream())); //这里如果出现乱码，请使用带编码的InputStreamReader构造方法，将需要的编码设置进去
String line;
while ((line = in.readLine()) != null) {
result += line;
}
} catch (Exception e) {
System.out.println("发送GET请求出现异常！" + e);
e.printStackTrace();
}
// 使用finally块来关闭输入流
finally {
try {
if (in != null) {
in.close();
}
} catch (Exception e2) {
e2.printStackTrace();
}
}
return result;
}
解析存储数据
public Bid getData(String html) throws Exception {
//获取的数据，存放在到Bid的对象中，自己可以重新建立一个对象存储
Bid bid = new Bid();
//采用Jsoup解析
Document doc = Jsoup.parse(html);
// System.out.println("doc内容" + doc.text());
//获取html标签中的内容tr
Elements elements = doc.select("tr");
System.out.println(elements.size() + "****条");
//循环遍历数据
for (Element element : elements) {
if (element.select("td").first() == null){
continue;
}
Elements tdes = element.select("td");
for(int i = 0; i < tdes.size(); i++){
this.relation(tdes,tdes.get(i).text(),bid,i+1);
}
}
return bid;
}
得到的数据
Bid {
h2 = '详见内容',
itemName = '诉讼服务中心设备采购',
item = '货物/办公消耗用品及类似物品/其他办公消耗用品及类似物品',
itemUnit = '详见内容',
areaName = '港北区',
noticeTime = '2018年10月22日 18:41',
itemNoticeTime = 'null',
itemTime = 'null',
kaibiaoTime = '2018年10月26日 09:00',
winTime = 'null',
kaibiaoDiDian = 'null',
yusuanMoney = '￥67.00元（人民币）',
allMoney = 'null',
money = 'null',
text = ''
}
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
