跟朋友聊天总会用到大量表情包,有些人甚至专门收集各种各样的表情包,看看谁能打败谁。今天我就用java爬取了一个斗图网站上的所有表情包,用来充实自己的表情包库。代码逻辑有可能并不完美,哈哈,也花了我几个小时才完成呢。
下载完所有图片,总共有225M.思路:主要通过解析页面的源代码来获取图片的URL地址,然后通过图片地址下载图片到本地,所以要学会使用浏览器进行分析。
- 所用jar包:
jsoup-1.8.1.jar
- 网站首页:
https://doutushe.com/portal/index/index/p/1
- 浏览器:
Chrome
1,获取网页源代码
/**
* 获取网页源代码
* @author Augustu
* @param url 网页地址
* @param encoding 网页编码
* @return 网页源代码
*/
public static String getUrlResource(String url,String encoding) {
//网页源代码,用String这个容器记录
String htmlResource = "";
//记录读取网页的每一行数据
String temp = null;
try {
//1,找到网站地址
URL theUrl = new URL(url);
//2,建立起与网站的连接
URLConnection urlConnection = theUrl.openConnection();
//3,创建输入流,此处读取的是网页的源代码
InputStreamReader isr = new InputStreamReader(urlConnection.getInputStream(),encoding);
//4,对输入流进行缓冲,加快读取速度
BufferedReader reader = new BufferedReader(isr);
//5,一行一行读取源代码,存到htmlResource中
while((temp = reader.readLine()) != null) {
htmlResource += temp;
}
} catch (IOException e) {
e.printStackTrace();
}
return htmlResource;
}
2,获取页面所有组图片的UrL地址
/**
* 获取页面所有组图片的UrL地址
* @author Augustu
* @param context 每个页面的urL
* @return 获取页面所有组图片的UrL地址
*/
public static String findPictureUrl(String context) {
String temp = "";//暂时存储得到的每个url
String pictureUrl = "";//得到所有URL
//1,Jsoup将读取的网页源代码解析为Html文档,便可以使用Jsoup的方法操作html元素了,就像javascript一样
Document document = Jsoup.parse(context);
//2,观察网页源代码,发现每组图片都连接到了另一个URL地址,这个a标签的class为“link-2”
Elements groupUrl = document.getElementsByClass("link-2");
//3,遍历每个a标签,得到href
for(Element ele: groupUrl) {
//此处我发现每次Url都输出两次,也没找到原因,就用此方法先解决他
if(ele.attr("href") == temp) {
continue;
}
temp = ele.attr("href");
//4,将所有URL存入String中,并使用空格分开,便于后面分割
//本来我使用“|”分隔开来,分割的结果竟然是每个字符都分开了
pictureUrl += "https://doutushe.com"+ele.attr("href")+" ";
}
return pictureUrl;
}
3,下载单张图片
/**
* 下载单张图片
* @param picturl 图片地址
* @param filePath 下载路径
* @param fileName 下载名
*/
public static void downPicture(String picturl,String filePath,String fileName) {
FileOutputStream fos = null;//输出文件流
BufferedOutputStream bos = null;//缓冲输出
File file = null;//创建文件对象
File dir = new File(filePath);//创建文件保存目录
Connection.Response response;
try {
//1,Jsoup连接地址,得到响应流,ignoreContentType表示忽略网页类型,如果不加会报错(默认只支持文本),因为我们页面是图片
response = Jsoup.connect(picturl).ignoreContentType(true).execute();
//2,将页面内容按字节输出
byte[] img = response.bodyAsBytes();
//3,写入本地文件中
//判断文件目录是否存在,
if(!dir.exists() ){
dir.mkdir();//创建文件夹
}
file = new File(filePath+"\\"+fileName);//创建文件
fos = new FileOutputStream(file);
bos = new BufferedOutputStream(fos);
bos.write(img);//写入本地
} catch (IOException e) {
e.printStackTrace();
}finally{
//4,释放资源
if(bos!=null){
try {
bos.close();
} catch (IOException e) {
e.printStackTrace();
}
}
if(fos!=null){
try {
fos.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
4,下载所有图片
/**
* 下载所有图片
* @author Augustu
* @param pictureUrl 每组图片url
*/
public static void downallPicture(String pictureUrl,String downLoadPath) {
String picturl = "";
String pictureName ="";//
String[] pictureUrlArry = pictureUrl.split(" ");//图片组的url
for(int i=0;i<pictureUrlArry.length;i++) {
//遍历得到每组图片的url
String pictureHtml = getUrlResource(pictureUrlArry[i],"utf-8");
Document document = Jsoup.parse(pictureHtml);
//得到该组图片的分类名称
String dir = document.getElementsByTag("blockquote").first().child(0).text();
//该标签包含所有图片url
Elements elements = document.getElementsByClass("lazy");
for(Element ele: elements) {
//得到每张图片url
picturl = ele.attr("data-original");
//观察源代码,发现获取的图片地址多了/themes/doutushe/Public/assets/images/doutushe-erweima.jpg,将其删除
if(picturl.equals("/themes/doutushe/Public/assets/images/doutushe-erweima.jpg")) {
continue;
}
//得到每张图片的名字,别忘了加后缀
pictureName = ele.attr("title")+".gif";
//下载该图片
downPicture(picturl,downLoadPath+"\\"+dir,pictureName);
}
}
}
5,主函数运行代码
public static void main(String[] args) {
String context = "";
//观察源代码,发现共有28个页面
for(int i=1;i<=28;i++) {
//获取每个页面
context = getUrlResource("https://doutushe.com/portal/index/index/p/"+i+"","utf-8");
//获取该页面所有组图片的url
String pictureUrl = findPictureUrl(context);
downallPicture(pictureUrl,"E:\\image\\表情包");
}
}
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。