13.2.10 搜索关键字管理
本节我们开发爬虫爬取的关键字管理的功能。
数据库实体类
首先，新建实体类SearchKeyWord 如下
package com.easy.kotlin.picturecrawler.entity
import java.util.*
import javax.persistence.*
@Entity
@Table(indexes = arrayOf(Index(name = "idx_key_word", columnList = "keyWord", unique = true)))
class SearchKeyWord {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
var id: Long = -1
@Column(name = "keyWord", length = 50, nullable = false, unique = true)
var keyWord: String = ""
@Column(nullable = true)
var totalImage: Int? = 0
var gmtCreated: Date = Date()
var gmtModified: Date = Date()
var isDeleted: Int = 0 //1 Yes 0 No
var deletedDate: Date = Date()
}
其中，keyWord 是搜索关键字，有唯一性约束，同时我们给它建立了索引。
dao 层接口
我们来实现插入数据的 dao 层接口
@Modifying
@Transactional
@Query(value = "INSERT INTO `search_key_word` (`deleted_date`, `gmt_created`, `gmt_modified`, `is_deleted`, `key_word`) VALUES (now(), now(), now(), '0', :keyWord) ON DUPLICATE KEY UPDATE `gmt_modified` = now()", nativeQuery = true)
fun saveOnNoDuplicateKey(@Param("keyWord") keyWord: String): Int
其中，ON DUPLICATE KEY UPDATE 这句表明当遇到重复的键值的时候，执行更新 gmt_modified = now() 的操作。这里nativeQuery = true ，表示使用的是原生 SQL 查询。
系统启动初始化动作
我们在应用启动类PictureCrawlerApplication 中添加初始化动作
package com.easy.kotlin.picturecrawler
import com.easy.kotlin.picturecrawler.dao.SearchKeyWordRepository
import com.easy.kotlin.picturecrawler.entity.SearchKeyWord
import org.springframework.beans.factory.annotation.Autowired
import org.springframework.boot.CommandLineRunner
import org.springframework.boot.SpringApplication
import org.springframework.boot.autoconfigure.SpringBootApplication
import org.springframework.core.Ordered
import org.springframework.core.annotation.Order
import org.springframework.scheduling.annotation.EnableScheduling
import org.springframework.stereotype.Component
import java.io.File
@SpringBootApplication
@EnableScheduling
class PictureCrawlerApplication
fun main(args: Array) {
SpringApplication.run(PictureCrawlerApplication::class.java, *args)
}
@Component
@Order(value = Ordered.LOWEST_PRECEDENCE)
class initSearchKeyWordRunner : CommandLineRunner {
@Autowired lateinit var searchKeyWordRepository: SearchKeyWordRepository
override fun run(vararg args: String) {
var keyWords = File("搜索关键词列表.data").readLines()
keyWords.forEach {
val SearchKeyWord = SearchKeyWord()
SearchKeyWord.keyWord = it
searchKeyWordRepository.saveOnNoDuplicateKey(it)
}
}
}
Spring Boot应用程序在启动后会去遍历 CommandLineRunner 接口的实例并运行它们的run方法。使用@Order注解来指定 CommandLineRunner 实例的运行顺序。
搜索查询接口
查询所有关键字记录接口如下
@Query("SELECT a from #{#entityName} a where a.isDeleted=0 order by a.id desc")
override fun findAll(pageable: Pageable): Page
模糊搜索关键字接口如下
@Query("SELECT a from #{#entityName} a where a.isDeleted=0 and a.keyWord like %:searchText% order by a.id desc")
fun search(@Param("searchText") searchText: String, pageable: Pageable): Page
模糊搜索 http 接口实现
跟搜索图片分类的逻辑类似，模糊搜索关键字的接口如下
@RequestMapping(value = "searchKeyWordJson", method = arrayOf(RequestMethod.GET))
@ResponseBody
fun sotuSearchJson(@RequestParam(value = "page", defaultValue = "0") page: Int, @RequestParam(value = "size", defaultValue = "10") size: Int, @RequestParam(value = "searchText", defaultValue = "") searchText: String): Page {
return getPageResult(page, size, searchText)
}
private fun getPageResult(page: Int, size: Int, searchText: String): Page {
val sort = Sort(Sort.Direction.DESC, "id")
// 注意：PageRequest.of(page,size,sort) page 默认是从0开始
val pageable = PageRequest.of(page, size, sort)
if (searchText == "") {
return searchKeyWordRepository.findAll(pageable)
} else {
return searchKeyWordRepository.search(searchText, pageable)
}
}
前端列表页面代码
search_keyword_view.ftl 模板页面代码如下
<#include 'common/head.ftl'>
<#include 'common/nav.ftl'>
<#include 'common/foot.ftl'>
search_keyword_table.js 代码如下
$(function () {
$.extend($.fn.bootstrapTable.defaults, $.fn.bootstrapTable.locales['zh-CN'])
var searchText = $('.search').find('input').val()
var columns = []
columns.push(
{
title: 'ID',
field: 'id',
align: 'center',
valign: 'middle',
width: '10%',
formatter: function (value, row, index) {
return value
}
},
{
title: '关键字',
field: 'keyWord',
align: 'center',
valign: 'middle',
formatter: function (value, row, index) {
var html = "" + value + ""
return html
}
},
{
title: '图片总数',
field: 'totalImage',
align: 'center',
valign: 'middle',
formatter: function (value, row, index) {
var html = "" + row.totalImage + ""
return html
}
})
$('#search_keyword_table').bootstrapTable({
url: 'searchKeyWordJson',
sidePagination: "server",
queryParamsType: 'page,size',
contentType: "application/x-www-form-urlencoded",
method: 'get',
striped: false, //是否显示行间隔色
cache: false, //是否使用缓存，默认为true，所以一般情况下需要设置一下这个属性（*）
pagination: true, //是否显示分页（*）
paginationLoop: true,
paginationHAlign: 'right', //right, left
paginationVAlign: 'bottom', //bottom, top, both
paginationDetailHAlign: 'left', //right, left
paginationPreText: ' 上一页',
paginationNextText: '下一页',
search: true,
searchText: searchText,
searchTimeOut: 500,
searchAlign: 'right',
searchOnEnterKey: false,
trimOnSearch: true,
sortable: true, //是否启用排序
sortOrder: "desc", //排序方式
sortName: "id",
pageNumber: 1, //初始化加载第一页，默认第一页
pageSize: 10, //每页的记录行数（*）
pageList: [8, 16, 32, 64, 128], // 可选的每页数据
totalField: 'totalElements', // 所有记录 count
dataField: 'content', //后端 json 对应的表格List数据的 key
columns: columns,
queryParams: function (params) {
return {
size: params.pageSize,
page: params.pageNumber - 1,
sortName: params.sortName,
sortOrder: params.sortOrder,
searchText: params.searchText
}
},
classes: 'table table-responsive full-width',
})
$(document).on('keydown', function (event) {
// 键盘翻页事件
var e = event || window.event || arguments.callee.caller.arguments[0];
if (e && e.keyCode == 38 || e && e.keyCode == 37) {//上,左
// 上一页
$('.page-pre').click()
}
if (e && e.keyCode == 40 || e && e.keyCode == 39) {//下,右
// 下一页
$('.page-next').click()
}
})
$('#add_key_word_form_save_button').on('click', function () {
var keyWord = $('#add_key_word_form_keyWord').val()
$.ajax({
url: 'save_keyword',
type: 'get',
data: {keyWord: keyWord},
success: function (response) {
if (response == "1") {
alert("保存成功")
} else {
alert("保存失败")
}
},
error: function (error) {
alert(JSON.stringify(error))
}
})
})
})
添加爬取关键字
添加爬取关键字 http 接口代码如下
@RequestMapping(value = "save_keyword", method = arrayOf(RequestMethod.GET,RequestMethod.POST))
@ResponseBody
fun save(@RequestParam(value = "keyWord")keyWord:String): String {
if(keyWord==""){
return "0"
}else{
searchKeyWordRepository.saveOnNoDuplicateKey(keyWord)
return "1"
}
}
前端输入框表单代码
对应的 js 代码如下
$('#add_key_word_form_save_button').on('click', function () {
var keyWord = $('#add_key_word_form_keyWord').val()
$.ajax({
url: 'save_keyword',
type: 'get',
data: {keyWord: keyWord},
success: function (response) {
if (response == "1") {
alert("保存成功")
$('#search_keyword_table').bootstrapTable('refresh')
} else {
alert("数据不能为空")
}
},
error: function (error) {
alert(JSON.stringify(error))
}
})
})
其中， $('#search_keyword_table').bootstrapTable('refresh') 是当保存成功后，刷新表格内容。
定时更新该关键字的图片总数任务
最终的效果如下
爬取关键字管理页面
模糊搜索“秋”
更新 search_key_word 表 total_image 字段的 SQL 逻辑如下
@Modifying
@Transactional
@Query("update search_key_word a set a.total_image = (select count(*) from image i where i.is_deleted=0 and i.category like concat('%',a.key_word,'%'))", nativeQuery = true)
fun batchUpdateTotalImage()
表示该对应关键字包含的图片总数。
然后，我们用一个定时任务去执行它
package com.easy.kotlin.picturecrawler.job
import com.easy.kotlin.picturecrawler.dao.SearchKeyWordRepository
import kotlinx.coroutines.experimental.CommonPool
import kotlinx.coroutines.experimental.launch
import kotlinx.coroutines.experimental.runBlocking
import org.springframework.beans.factory.annotation.Autowired
import org.springframework.scheduling.annotation.Scheduled
import org.springframework.stereotype.Component
import java.util.*
@Component
class BatchUpdateJob {
@Autowired lateinit var searchKeyWordRepository: SearchKeyWordRepository
@Scheduled(cron = "0 */5 * * * ?")
fun job() {
println("开始执行定时任务 batchUpdateTotalImage： ${Date()}")
searchKeyWordRepository.batchUpdateTotalImage()
}
}
13.2.11 使用协程实现异步爬虫任务
上面我们的定时任务都是同步的。当我们想用 http 接口去触发任务执行的时候，可能并不想一直等待，这个时候可以使用异步的方式。这里我们使用 Kotlin 提供的轻量级线程——协程来实现。在常用的并发模型中，多进程、多线程、分布式是最普遍的，不过近些年来逐渐有一些语言以first-class或者library的形式提供对基于协程的并发模型的支持。其中比较典型的有Scheme、Lua、Python、Perl、Go等以first-class的方式提供对协程的支持。同样地，Kotlin也支持协程。（关于协程的更多介绍，可参考《Kotlin 极简教程》第9章 轻量级线程：协程 ）
我们在 build.gradle 中添加kotlinx-coroutines-core 依赖
compile group: 'org.jetbrains.kotlinx', name: 'kotlinx-coroutines-core', version: '0.19.2'
然后把我们的定时任务代码改写为
@Component
class BatchUpdateJob {
@Autowired lateinit var searchKeyWordRepository: SearchKeyWordRepository
@Scheduled(cron = "0 */5 * * * ?")
fun job() {
doBatchUpdate()
}
fun doBatchUpdate() = runBlocking {
launch(CommonPool) {
println("开始执行定时任务 batchUpdateTotalImage： ${Date()}")
searchKeyWordRepository.batchUpdateTotalImage()
}
}
}
同样的爬虫抓取图片的任务也可以改写成
fun doCrawJob() = runBlocking {
val list = searchKeyWordRepository.findAll()
for (i in 1..1000) {
list.forEach {
launch(CommonPool) {
saveImage(it.keyWord, i)
}
}
}
}
其中，launch函数会以非阻塞（non-blocking）当前线程的方式，启动一个新的协程后台任务，并返回一个Job类型的对象作为当前协程的引用。我们把真正要执行的代码逻辑放到 launch(CommonPool) { } 中。这样我们就可以手动启动任务异步执行了。
13.2.12 图片存入数据库并在前端展现
数据库实体类：
package com.easy.kotlin.picturecrawler.entity
import java.util.*
import javax.persistence.*
@Entity
@Table(indexes = arrayOf(
Index(name = "idx_url", unique = true, columnList = "url"),
Index(name = "idx_category", unique = false, columnList = "category")))
class Image {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
var id: Long = -1
@Version
var version: Int = 0
@Column(length = 255, unique = true, nullable = false)
var category: String = ""
var isFavorite: Int = 0
@Column(length = 255, unique = true, nullable = false)
var url: String = ""
var gmtCreated: Date = Date()
var gmtModified: Date = Date()
var isDeleted: Int = 0 //1 Yes 0 No
var deletedDate: Date = Date()
@Lob
var imageBlob: ByteArray = byteArrayOf()
/* 0-Baidu 1-Gank */
var sourceType: Int = 0
override fun toString(): String {
return "Image(id=$id, version=$version, category='$category', isFavorite=$isFavorite, url='$url', gmtCreated=$gmtCreated, gmtModified=$gmtModified, isDeleted=$isDeleted, deletedDate=$deletedDate)"
}
}
其中 @Lob var imageBlob: ByteArray = byteArrayOf() 这个字段存储图片的 Base64内容。
图片比特流数组存入数据库代码
val image = Image()
image.category = "干货集中营福利"
image.url = url
image.sourceType = 1
image.imageBlob = getByteArray(url)
logger.info("Image = ${Image}")
imageRepository.save(Image)
其中的getByteArray(url) 函数实现代码如下
private fun getByteArray(url: String): ByteArray {
val urlObj = URL(url)
return urlObj.readBytes()
}
前端 html 展示图片代码：
{
title: '图片',
field: 'imageBlob',
align: 'center',
valign: 'middle',
formatter: function (value, row, index) {
// var html = "![](" + value + ")
"
var html = '
'
return html
}
}
点击下载 js ：
function downloadImage(src) {
var $a = $("").attr("href", src).attr("download", "sotu.png");
$a[0].click();
}
function downBase64Image(url) {
var blob = base64Img2Blob(url);
url = window.URL.createObjectURL(blob);
var $a = $("").attr("href", url).attr("download", "sotu.png");
$a[0].click();
}
function base64Img2Blob(code) {
var parts = code.split(';base64,');
var contentType = parts[0].split(':')[1];
var raw = window.atob(parts[1]);
var rawLength = raw.length;
var uInt8Array = new Uint8Array(rawLength);
for (var i = 0; i < rawLength; ++i) {
uInt8Array[i] = raw.charCodeAt(i);
}
return new Blob([uInt8Array], {type: contentType});
}
13.2.13 IDEA 的数据库客户端工具
IDEA 的数据库客户端工具
本节完整的项目源码：https://github.com/EasySpringBoot/picture-crawler
本章小结
在Spring Framework 5.0中已经添加了对 Kotlin 的支持。使用 Kotlin 集成 SpringBoot 开发非常流畅自然，几乎不需要任何迁移成本。所以，Kotlin 在未来的 Java 服务端领域也必将受到越来越多的程序员的关注。
Kotlin 开发者社区
国内第一Kotlin 开发者社区公众号，主要分享、交流 Kotlin 编程语言、Spring Boot、Android、React.js/Node.js、函数式编程、编程思想等相关主题。
开发者社区 QRCode.jpg