Java使用httpRequest+Jsoup爬取紅藍球號碼
jsoup 是一款Java 的HTML解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數據。
1.2、Jsoup的主要功能1、從一個URL，文件或字符串中解析HTML2、使用DOM或CSS選擇器來查找、取出數據3、可操作HTML元素、屬性、文本注意：jsoup是基于MIT協議發布的，可放心使用于商業項目。
2、源網站及頁面元素分析2.1、號碼源首先，這里我選擇近年來比較穩定的數據源地址【某網站】截圖如下
2.2.1、開獎號碼主體分析
先打開開發者工具，找到每條開獎號碼對應的dom元素
可以看到每一期號碼信息主體在一個<tr>標簽中，其中第一個<td>是開獎日期，第二個<td>是開獎期號，第三個<td>是開獎號碼，每個獎號是單獨的標簽,紅球的class=rr，籃球沒有設置樣式
<tr> <td align='center'>2021-06-13</td> <td align='center'>2021065</td> <td style='padding-left:10px;'> <em class='rr'>01</em> <em class='rr'>04</em> <em class='rr'>08</em> <em class='rr'>19</em> <em class='rr'>29</em> <em class='rr'>33</em> <em>16</em></td> <td><strong>362,527,724</strong></td> <td style='color:#999;'><strong>3</strong></td> <td align='center'><strong class='rc'>82</strong></td> <td align='center'> <a rel='external nofollow' target='_blank'><img src='http://images.zhcw.com/zhcw2010/kaijiang/zhcw/ssqpd_42.jpg' ></a> <a rel='external nofollow' target='_blank'><img src='http://images.zhcw.com/zhcw2010/kaijiang/zhcw/ssqpd_43.jpg' ></a> </td></tr>
2.2.2、頁碼區域分析
由于我們爬取數據的時候，需要進行翻頁操作，所以這里還需要分析翻頁部分的內容，繼續在開發者工具中，定位頁碼區域
可以看到頁碼部分是<tbody>中的最后一個<tr>中，翻頁操作的內容再class=pg的 <p> 標簽中可以拆分為多個<storage>標簽數組,可以分析得出翻頁鏈接的規律。/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=頁碼或/zhcw/html/ssq/list_頁碼.html
元素 含義 0 總頁數 1 總記錄數 2 第一頁的連接 3 上一頁的鏈接 4 下一頁的鏈接 5 最后一頁的連接 6 當前頁數
<tr> <td colspan='7' style='background:#fdf2e3;'><p class='zhu'></p><p class='pg'> 共<strong>136</strong> 頁 /<strong>2709 </strong>條記錄 <strong><a href='http://www.hdgsjgj.cn/zhcw/inc/ssq/ssq_wqhg.jsp' rel='external nofollow' >首頁</a></strong> <strong><a href='http://www.hdgsjgj.cn/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=1' rel='external nofollow' >上一頁</a></strong> <strong><a href='http://www.hdgsjgj.cn/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=2' rel='external nofollow' >下一頁</a></strong> <strong><a href='http://www.hdgsjgj.cn/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=136' rel='external nofollow' >末頁</a></strong> 當前第<strong> 1 </strong>頁</p> </td> </tr>3、代碼實現
maven引用，這里使用的是Jsoup1.13.1版本
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.13.1</version> </dependency>
這使用的是基于jeecg開發的Job，搭建過程不贅述了，直接看主體代碼。
public void execute(JobExecutionContext arg0) throws JobExecutionException { Integer maxPage=getMaxPage();//獲取總頁數 for(int pageNo=0;pageNo<maxPage;pageNo++){//循環處理每一頁的數據 String url = 'http://kaijiang.zhcw.com/zhcw/html/ssq/list_'+(pageNo+1)+'.html';//拼訪問地址 String strDateFormat = 'yyyy-MM-dd'; SimpleDateFormat sdf = new SimpleDateFormat(strDateFormat); String html = JwtHttpUtil.httpRequest(url, 'GET',null);//訪問對應的頁面 Document doc = Jsoup.parse(html);//用Jsoup解析頁面內容并且解析為Document Document doc1= Jsoup.parse(doc.getElementsByClass('wqhgt').toString());//wqhgt是table標簽的class，這里獲取到開獎號碼的table的內容并且解析為Document Elements trs= doc1.getElementsByTag('tr');//根據tag獲取到所有的tr標簽，這里獲取到的是一個Element數組 logger.info('當前頁碼---'+(pageNo+1)+'----'+trs.size()); for(int i=2;i<trs.size()-1;i++){//這里是根據頁面內容確定開獎內容是從第三個tr開始到倒數第二個tr結束，最后一個tr是翻頁按鈕 try { Elements tds=trs.get(i).getElementsByTag('td'); String kjrq=tds.get(0).text(); String kjqh=tds.get(1).text(); //這里是為了防止重復拉取，所以做了判斷，如果已存在當前期的獎號，就直接跳過 Long count=lotterySsqKjjlService.getCountForJdbc('select count(*) from lottery_ssq_kjjl where SSQ_KJQH=’'+ kjqh + '’'); //下面的內容很容易理解，就是可以對照頁面分析部分內容看，就不贅述了 if(count>0)break; LotterySsqKjjlEntity kjhmEntiry=new LotterySsqKjjlEntity();Elements kjhm=tds.get(2).getElementsByTag('em'); kjhmEntiry.setSsqKjrq(sdf.parse(kjrq)); kjhmEntiry.setSsqKjqh(kjqh);kjhmEntiry.setSsqR1(Integer.parseInt(kjhm.get(0).text()));kjhmEntiry.setSsqR2(Integer.parseInt(kjhm.get(1).text()));kjhmEntiry.setSsqR3(Integer.parseInt(kjhm.get(2).text()));kjhmEntiry.setSsqR4(Integer.parseInt(kjhm.get(3).text()));kjhmEntiry.setSsqR5(Integer.parseInt(kjhm.get(4).text()));kjhmEntiry.setSsqR6(Integer.parseInt(kjhm.get(5).text()));kjhmEntiry.setSsqB1(Integer.parseInt(kjhm.get(6).text()));lotterySsqKjjlService.save(kjhmEntiry); } catch (ParseException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } } } } private Integer getMaxPage(){ String url = 'http://kaijiang.zhcw.com/zhcw/html/ssq/list.html'; String html = JwtHttpUtil.httpRequest(url, 'GET',null); Document doc = Jsoup.parse(html); Document docPageBar= Jsoup.parse(doc.getElementsByClass('pg').toString()); Elements elePageBar = docPageBar.getElementsByTag('strong'); Integer maxPageNo=Integer.parseInt(elePageBar.get(0).text()); return maxPageNo; }
以下是執行完成的部分數據截圖
拉取到基礎數據后，我們可以再寫一個job，去計算出每期開獎號碼的指標，可以進行獎號分析，預測等。這里簡單實現了部分分析指標的計算，以下是主體代碼。
public void run(){ List<LotterySsqKjjlEntity> list= lotterySsqKjjlService.findByQueryString('from LotterySsqKjjlEntity t'); for(int i=0;i<list.size();i++){ LotterySsqKjjlEntity kjjg=list.get(i); logger.info('正在處理:'+kjjg.getSsqKjqh()); kjjg.setSsqMin(kjjg.getSsqR1());//最小號 kjjg.setSsqMax(kjjg.getSsqR6());//最大號 kjjg.setSsqKd(kjjg.getSsqR6()-kjjg.getSsqR1());//號碼跨度 kjjg.setSsqJsCnt(ssqKjjgUtils(kjjg, 'jsCnt'));//奇數個數 kjjg.setSsqOsCnt(ssqKjjgUtils(kjjg, 'osCnt'));//偶數個數 kjjg.setSsqSum(ssqKjjgUtils(kjjg, 'sum'));//號碼和 lotterySsqKjjlService.updateEntitie(kjjg); } logger.info('結果數據條數'+list.size()); } /** * * @param kjjg * @param opType jsgs=奇數個數 * @return */ private Integer ssqKjjgUtils(LotterySsqKjjlEntity kjjg,String opType){ List<Integer> t =new ArrayList<Integer>(); t.add(kjjg.getSsqR1()); t.add(kjjg.getSsqR2()); t.add(kjjg.getSsqR3()); t.add(kjjg.getSsqR4()); t.add(kjjg.getSsqR5()); t.add(kjjg.getSsqR6()); Integer result=0; switch (opType) { case 'jsCnt': case 'osCnt': int jsgs=0; int osgs=0; for(int i=0;i<t.size();i++){ if(t.get(i)%2==0){ osgs++; }else{ jsgs++; } } if('jsCnt'.equals(opType)){ result=jsgs; }else{ result=osgs; } break; case 'sum': int sum=0; for(int i=0;i<t.size();i++){ sum+=t.get(i); } result=sum; break; default: break; } return result; }
至此，這個簡單的爬蟲就寫完了，可以利用爬過來的這些基礎數據，進行一些數據分析，預測。
到此這篇關于Java使用httpRequest+Jsoup爬取紅藍球號碼的文章就介紹到這了,更多相關Java 爬取紅藍球號碼內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
相關文章：
網公網安備