可能是简书最好学的jsoup示范教程
每一个内容丰富的app背后都有一个庞大的数据库作为支撑
那是不是意味着没有强大团队的的我们就与开发
内容丰富的app无缘了呢
并不是,别忘了我们还有取之不尽用之不绝的资源宝库--互联网
我们可以使用爬虫为我们的app提供内容支撑
提到爬虫,就不得不提专为java打造的爬虫利器--jsoup了
看完jsouputil,包你学会最基本java爬虫技巧,不会你打我
爬虫步骤:
一、构造Javabean
可以说每一个recyclerview list 的child 都是一个Javabean类型的数据封装集
我们先建立一个叫做TianWen(天文)的javabean
public TianWen{ //既然是爬HTMl网页,那么我们爬到的数据一般都是String型
private String title;
private String imgUrl;
private String content;
private String link;
//public setter getter方法,一定要是public的
二、分析网页
以 http://www.astron.ac.cn/list-2-1.htm 为例,光标移动到第一篇文章的标题 “宇宙团状物质以三分之一光速的速度被吸入黑洞中” 处,
右键鼠标,点击检查
然后就可以看到整个document tree 了
这个网页的结构可是说是非常简单明了,document tree 的结构一目了然
我们要爬的就是所有 li 标签的标题text,图片src,内容p和跳转链接href
三、依据document tree的结构一一爬取我们想要的文本text,图片链接src和跳转链接href(title,img,content,link)
private static String TianZhiWenHead="http://www.astron.ac.cn/";
public List<TianWen>getTianWen(String s){//s为网页url
List<TianWen>beanList=new ArrayList<>();
Document doc=Jsoup.parse(s);
Element e=doc.select("ul.newslist_pic").first();
for (Element ee:e.children())
e.children()就是 ul 标签下所有的 li 标签,注意用.children的时候,
要注意辨别是不是所有的child都是你想要爬的内容,容易空指针
{
TianWen bean=new TianWen();
bean.setTitle(ee.child(0).attr("title"));//setTitle
bean.setImgUrl(ee.child(0).child(0).attr("src"));//setImgUrl
bean.setContent(ee.child(1).child(1).text());//setContent
final String link=TianZhiWenHead+ee.child(0).attr("href");
bean.setLink(link);//setLink
beanList.add(bean);
}
return beanList;//这个beanList就是recyclerview需要的dataList
}
四、绑定数据和recyclerview
有了dataList,再需要一个适配器adapter,就可以把dataList和recyclerview绑定到一起
关于recyclerview的baseAdapter,github上有很多,这里推荐两个
五、本项目截图
项目地址欢迎star