爬虫如何将解析到的JSON数据再用Xpath解析?

眉毛上的萝卜干 2016-08-19 11:34:46
//想把得到的data信息再用xpath解析,请问大神门该怎么写
package datayuan;

import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;
import us.codecraft.webmagic.selector.Selectable;

public class Posthuxiu implements PageProcessor {

private Site site = Site.me().setRetryTimes(2).setSleepTime(800);

@Override
public void process(Page page) {

page.addTargetRequests(page.getHtml().links().regex("(https://www.huxiu.com/chuangye/ajax_get_company_list_for_index)").all());
page.putField("Json", page.getJson().jsonPath("data"));
//这里通过jsonPath解析得到json中的data信息(data中的信息为HTML结构文本)
//想把得到的data信息再用xpath解析,请问大神门该怎么写
Selectable info = page.getJson().jsonPath("data");
}

@Override
public Site getSite() {
return site;
}

public static void main(String[] args) {
int p = 2;
do {
Spider.create(new Posthuxiu())
.addUrl("https://www.huxiu.com/chuangye/ajax_get_company_list_for_index?page=2")
.thread(1)
.run();
p++;
}while(p < 5);
}
}
...全文
802 3 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
小羽Jary 2019-01-10
  • 打赏
  • 举报
回复
你可以使用Json-Path来像Xpath一样来解析,他们是语法都是类似的
潜心修仙 2016-11-24
  • 打赏
  • 举报
回复
我遇到了楼主一样的问题,请问楼主解决了吗?能否告知下?ximoran@163.com 谢谢
yctang 2016-08-19
  • 打赏
  • 举报
回复
解析xml用dom4j啊
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

81,122

社区成员

发帖
与我相关
我的任务
社区描述
Java Web 开发
社区管理员
  • Web 开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧