Java网络爬虫实操（10）

上一篇：Java网络爬虫实操（9）

各位好，马上又是618购物节了，大家的购物热情多少有点被勾起吧。相信大家最频繁的操作肯定是打开购物网站，输入关心商品的关键字，然后看看哪个店的销量高，哪个店的价格最低，等等。
本篇文章结合Java爬虫框架NetDiscovery使用selenium技术实现自动化获取前三个商品的信息。

1) 逻辑流程

1. 程序打开JD的商品搜索页面
2. 自动输入商品关键字
3. 自动点击查询按钮
4. 自动点击销量按钮
5. 获取前三个商品的信息：店铺名称、商品名称、售价

2) 代码流程

1. 使用chrome浏览器访问网页，需要使用对应平台和版本的driver程序。

        WebDriverPoolConfig config = new WebDriverPoolConfig("example/chromedriver.exe", Browser.Chrome);
        WebDriverPool.init(config);

2. 实现一个继承SeleniumAction的类，执行逻辑都在这里。

package com.cv4j.netdiscovery.example.jd;

import com.cv4j.netdiscovery.selenium.Utils;
import com.cv4j.netdiscovery.selenium.action.SeleniumAction;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.openqa.selenium.By;
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.WebElement;

public class JDAction extends SeleniumAction {

    @Override
    public SeleniumAction perform(WebDriver driver) {
        try {
            //BrowserAction 最大化浏览器窗口
            driver.manage().window().maximize();
            Thread.sleep(3000);

            //输入商品关键字
            String searchText = "商务笔记本";
            String searchInput = "//*[@id=\"keyword\"]";
            WebElement userInput = Utils.getWebElementByXpath(driver, searchInput);
            userInput.sendKeys(searchText);
            Thread.sleep(3000);

            //触发查询事件
            String searchBtn = "/html/body/div[2]/form/input[4]";
            Utils.clickElement(driver, By.xpath(searchBtn));
            Thread.sleep(3000);

            //触发销量事件
            String saleSortBtn = "//*[@id=\"J_filter\"]/div[1]/div[1]/a[2]";
            Utils.clickElement(driver, By.xpath(saleSortBtn));
            Thread.sleep(3000);

            //获取页面的html源码并转化为对象
            String pageHtml = driver.getPageSource();
            Document document = Jsoup.parse(pageHtml);
            Elements elements = document.select("div[id=J_goodsList] li[class=gl-item]");
            if(elements != null && elements.size() >= 3) {
                for (int i = 0; i < 3; i++) {
                    Element element = elements.get(i);
                    String storeName = element.select("div[class=p-shop] a").first().text();
                    String goodsName = element.select("div[class=p-name p-name-type-2] a em").first().text();
                    String goodsPrice = element.select("div[class=p-price] i").first().text();
                    System.out.println(storeName+"  "+goodsName+"  ￥"+goodsPrice);
                }
            }
        } catch(InterruptedException e) {
            e.printStackTrace();
        }
        return null;
    }
}

3. 把action装载到下载器SeleniumDownloader，并且构建一个Spider

package com.cv4j.netdiscovery.example.jd;

import com.cv4j.netdiscovery.core.Spider;
import com.cv4j.netdiscovery.selenium.Browser;
import com.cv4j.netdiscovery.selenium.downloader.SeleniumDownloader;
import com.cv4j.netdiscovery.selenium.pool.WebDriverPool;
import com.cv4j.netdiscovery.selenium.pool.WebDriverPoolConfig;

public class JDSpider {
    public static void main(String[] args) {
        WebDriverPoolConfig config = new WebDriverPoolConfig("example/chromedriver.exe", Browser.Chrome);
        WebDriverPool.init(config);

        JDAction jdAction = new JDAction();
        SeleniumDownloader seleniumDownloader = new SeleniumDownloader(jdAction);

        String url = "https://search.jd.com/";
        Spider.create()
                .name("searchJD")
                .url(url)
                .downloader(seleniumDownloader)
                .run();
    }
}

4. spider的执行结果

   
   
   

   执行结果

3) 进一步说明

1. 以上代码只是例子，实际工作中action逻辑会比较复杂。我们可以根据需求，把action拆分为多个，通过list装配到加载器，框架会根据add顺序排队执行action。

        List actionList = new ArrayList<>();
        actionList.add(new BrowserAction());
        actionList.add(new InitAction());
        actionList.add(new WorkAction());

        SeleniumDownloader seleniumDownloader = new SeleniumDownloader(actionList);

2. 如果自动化工作需要周期性执行，可以参考之前的文章，把spider加载到SpiderEngine中，然后调用runRepeat()，实现重复执行。

        SpiderEngine engine = SpiderEngine.create();
        for(...) {
            engine.addSpider(spider);
        }
        engine.runWithRepeat();

3. 也许有些伙伴会问action类中的xpath怎么来的？我是使用chrome浏览器，通过开发者工具中Elements，选中元素后点右键，然后找到xpath的。

   
   
   

4. 如何从html字符串转换为对象，实现目标数据的精确获取，有很多方法。比如Jsoup。

好了，本篇只是抛砖引玉，相信有需要的伙伴肯定有深入的需求和想法，欢迎大家关注Java爬虫框架NetDiscovery https://github.com/fengzhizi715/NetDiscovery