jsoup+httpclient 抓取网页并解析网页

加入依赖：

        
            cn.hutool
            hutool-all
            5.7.19
        
        
            org.jsoup
            jsoup
            1.15.4
        

代码：

package com.longqi.boothtml;

import cn.hutool.http.HttpUtil;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Attributes;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

/**
 * @author LongQi
 * @projectName boot-integration
 * @description: 抓取百度网页并获取链接页面数据
 * @date 2023/3/30 15:23
 */
public class HtmlPage {

    public static void main(String[] args) {
        try{
            String resp = HttpUtil.get("https://www.baidu.com",10000);
            System.out.println(resp);
            Document doc = Jsoup.parse(resp);
            Elements elements = doc.select("a");
            System.out.println("已查询到网页");
            int count = 0;
            for(Element element:elements){
                Attributes attrs = element.attributes();
                String url = attrs.get("href");
                if(url.startsWith("http")){
                    resp = HttpUtil.get(url);
                    System.out.println(resp);
                    count++;
                }
            }
            System.out.println("抓取了"+count+"个网页");
        }catch (Exception e){
            System.out.println("抓取异常");
            e.printStackTrace();
        }
    }
}

上面用Hutool的HttpUtil进行查询页面，接着哟昂Jsoup将页面转化为Document，再用选择器筛选出a标签，再轮询获取href属性的链接，最后一一访问。