抓取csdn上的各类别的文章 (制作csdn app 二)
转载请表明出处:http://blog.csdn.net/lmj623565791/article/details/23532797
这篇博客接着上一篇(Android
使用Fragment,ViewPagerIndicator 制作csdn app主要框架)继续实现接下来的功能,如果你想了解整个app的制作过程,你可以去看一下上一篇,当然如果你只对网页信息的抓取感兴趣,你可以直接阅读本篇博客。我会把app功能分解,尽可能的每篇之间的耦合度不会太高。
好了,开始进入正题。这篇内容我新建一个java项目实现,一方面java调试比较方便,另一方面我会使用导入jar包的方式,把这个项目导入到android项目使用,大家如果在导jar方面没有经验,可以看下。
先看下项目结构:
定义了一个NewsBean对于app的每个ListView的Item,Constaint是个接口,存放了一些常量,还有就是一些辅助类。
NewsItem.java
- package com.zhy.bean;
- public class NewsItem
- {
- private int id;
- /**
- * 标题
- */
- private String title;
- /**
- * 链接
- */
- private String link;
- /**
- * 发布日期
- */
- private String date;
- /**
- * 图片的链接
- */
- private String imgLink;
- /**
- * 内容
- */
- private String content;
- /**
- * 类型
- *
- */
- private int newsType;
- public int getNewsType()
- {
- return newsType;
- }
- public void setNewsType(int newsType)
- {
- this.newsType = newsType;
- }
- public String getTitle()
- {
- return title;
- }
- public void setTitle(String title)
- {
- this.title = title;
- }
- public String getLink()
- {
- return link;
- }
- public void setLink(String link)
- {
- this.link = link;
- }
- public int getId()
- {
- return id;
- }
- public void setId(int id)
- {
- this.id = id;
- }
- public String getDate()
- {
- return date;
- }
- public void setDate(String date)
- {
- this.date = date;
- }
- public String getImgLink()
- {
- return imgLink;
- }
- public void setImgLink(String imgLink)
- {
- this.imgLink = imgLink;
- }
- public String getContent()
- {
- return content;
- }
- public void setContent(String content)
- {
- this.content = content;
- }
- @Override
- public String toString()
- {
- return "NewsItem [id=" + id + ", title=" + title + ", link=" + link + ", date=" + date + ", imgLink=" + imgLink
- + ", content=" + content + ", newsType=" + newsType + "]";
- }
- }
CommonException.java
- package com.zhy.bean;
- public class CommonException extends Exception
- {
- public CommonException()
- {
- super();
- // TODO Auto-generated constructor stub
- }
- public CommonException(String message, Throwable cause)
- {
- super(message, cause);
- // TODO Auto-generated constructor stub
- }
- public CommonException(String message)
- {
- super(message);
- // TODO Auto-generated constructor stub
- }
- public CommonException(Throwable cause)
- {
- super(cause);
- // TODO Auto-generated constructor stub
- }
- }
Constaint.java
- package com.zhy.csdn;
- public interface Constaint
- {
- public static final int NEWS_TYPE_YEJIE = 1;
- public static final int NEWS_TYPE_YIDONG = 2;
- public static final int NEWS_TYPE_YANFA = 3;
- public static final int NEWS_TYPE_CHENGXUYUAN = 4;
- public static final int NEWS_TYPE_YUNJISUAN = 5;
- }
DataUtil.java
- package com.zhy.csdn;
- import java.io.InputStream;
- import java.net.HttpURLConnection;
- import java.net.URL;
- import com.zhy.bean.CommonException;
- public class DataUtil
- {
- /**
- * 返回该链接地址的html数据
- *
- * @param urlStr
- * @return
- * @throws CommonException
- */
- public static String doGet(String urlStr) throws CommonException
- {
- StringBuffer sb = new StringBuffer();
- try
- {
- URL url = new URL(urlStr);
- HttpURLConnection conn = (HttpURLConnection) url.openConnection();
- conn.setRequestMethod("GET");
- conn.setConnectTimeout(5000);
- conn.setDoInput(true);
- conn.setDoOutput(true);
- if (conn.getResponseCode() == 200)
- {
- InputStream is = conn.getInputStream();
- int len = 0;
- byte[] buf = new byte[1024];
- while ((len = is.read(buf)) != -1)
- {
- sb.append(new String(buf, 0, len, "UTF-8"));
- }
- is.close();
- } else
- {
- throw new CommonException("访问网络失败!");
- }
- } catch (Exception e)
- {
- throw new CommonException("访问网络失败!");
- }
- return sb.toString();
- }
- }
URLUtil.java
- package com.zhy.csdn;
- public class URLUtil
- {
- public static final String NEWS_LIST_URL = "http://www.csdn.net/headlines.html";
- public static final String NEWS_LIST_URL_YIDONG = "http://mobile.csdn.net/mobile";
- public static final String NEWS_LIST_URL_YANFA = "http://sd.csdn.net/sd";
- public static final String NEWS_LIST_URL_YUNJISUAN = "http://cloud.csdn.net/cloud";
- public static final String NEWS_LIST_URL_ZAZHI = "http://programmer.csdn.net/programmer";
- public static final String NEWS_LIST_URL_YEJIE = "http://news.csdn.net/news";
- /**
- * 根据文章类型,和当前页码生成url
- * @param newsType
- * @param currentPage
- * @return
- */
- public static String generateUrl(int newsType, int currentPage)
- {
- currentPage = currentPage > 0 ? currentPage : 1;
- String urlStr = "";
- switch (newsType)
- {
- case Constaint.NEWS_TYPE_YEJIE:
- urlStr = NEWS_LIST_URL_YEJIE;
- break;
- case Constaint.NEWS_TYPE_YANFA:
- urlStr = NEWS_LIST_URL_YANFA;
- break;
- case Constaint.NEWS_TYPE_CHENGXUYUAN:
- urlStr = NEWS_LIST_URL_ZAZHI;
- break;
- case Constaint.NEWS_TYPE_YUNJISUAN:
- urlStr = NEWS_LIST_URL_YUNJISUAN;
- break;
- default:
- urlStr = NEWS_LIST_URL_YIDONG;
- break;
- }
- urlStr += "/" + currentPage;
- return urlStr;
- }
- }
NewsItemBiz.java业务类
- package com.zhy.biz;
- import java.util.ArrayList;
- import java.util.List;
- import org.jsoup.Jsoup;
- import org.jsoup.nodes.Document;
- import org.jsoup.nodes.Element;
- import org.jsoup.select.Elements;
- import com.zhy.bean.CommonException;
- import com.zhy.bean.NewsItem;
- import com.zhy.csdn.DataUtil;
- import com.zhy.csdn.URLUtil;
- /**
- * 处理NewItem的业务类
- * @author zhy
- *
- */
- public class NewsItemBiz
- {
- /**
- * 业界、移动、云计算
- *
- * @param htmlStr
- * @return
- * @throws CommonException
- */
- public List<NewsItem> getNewsItems( int newsType , int currentPage) throws CommonException
- {
- String urlStr = URLUtil.generateUrl(newsType, currentPage);
- String htmlStr = DataUtil.doGet(urlStr);
- List<NewsItem> newsItems = new ArrayList<NewsItem>();
- NewsItem newsItem = null;
- Document doc = Jsoup.parse(htmlStr);
- Elements units = doc.getElementsByClass("unit");
- for (int i = 0; i < units.size(); i++)
- {
- newsItem = new NewsItem();
- newsItem.setNewsType(newsType);
- Element unit_ele = units.get(i);
- Element h1_ele = unit_ele.getElementsByTag("h1").get(0);
- Element h1_a_ele = h1_ele.child(0);
- String title = h1_a_ele.text();
- String href = h1_a_ele.attr("href");
- newsItem.setLink(href);
- newsItem.setTitle(title);
- Element h4_ele = unit_ele.getElementsByTag("h4").get(0);
- Element ago_ele = h4_ele.getElementsByClass("ago").get(0);
- String date = ago_ele.text();
- newsItem.setDate(date);
- Element dl_ele = unit_ele.getElementsByTag("dl").get(0);// dl
- Element dt_ele = dl_ele.child(0);// dt
- try
- {// 可能没有图片
- Element img_ele = dt_ele.child(0);
- String imgLink = img_ele.child(0).attr("src");
- newsItem.setImgLink(imgLink);
- } catch (IndexOutOfBoundsException e)
- {
- }
- Element content_ele = dl_ele.child(1);// dd
- String content = content_ele.text();
- newsItem.setContent(content);
- newsItems.add(newsItem);
- }
- return newsItems;
- }
- }
好了,最后就是测试了,这里使用单元测试,下面是测试代码和结果。
测试代码:
- package com.zhy.test;
- import java.util.List;
- import com.zhy.bean.CommonException;
- import com.zhy.bean.NewsItem;
- import com.zhy.biz.NewsItemBiz;
- import com.zhy.csdn.Constaint;
- import com.zhy.csdn.DataUtil;
- public class Test
- {
- @org.junit.Test
- public void test01()
- {
- NewsItemBiz biz = new NewsItemBiz();
- int currentPage = 1;
- try
- {
- /**
- * 业界
- */
- List<NewsItem> newsItems = biz.getNewsItems(Constaint.NEWS_TYPE_YEJIE, currentPage);
- for (NewsItem item : newsItems)
- {
- System.out.println(item);
- }
- System.out.println("----------------------");
- /**
- * 程序员杂志
- */
- newsItems = biz.getNewsItems(Constaint.NEWS_TYPE_CHENGXUYUAN, currentPage);
- for (NewsItem item : newsItems)
- {
- System.out.println(item);
- }
- System.out.println("----------------------");
- /**
- * 研发
- */
- newsItems = biz.getNewsItems(Constaint.NEWS_TYPE_YANFA, currentPage);
- for (NewsItem item : newsItems)
- {
- System.out.println(item);
- }
- System.out.println("----------------------");
- /**
- * 移动
- */
- newsItems = biz.getNewsItems(Constaint.NEWS_TYPE_YIDONG, currentPage);
- for (NewsItem item : newsItems)
- {
- System.out.println(item);
- }
- System.out.println("----------------------");
- } catch (CommonException e)
- {
- e.printStackTrace();
- }
- }
- }
结果:
- NewsItem [id=0, title=如何做到每天写代码?, date=2014-04-11 11:26, newsType=1]
- NewsItem [id=0, title=一周消息树:超级充电器来袭,30秒可为手机充满电, date=2014-04-11 15:20, newsType=1]
- NewsItem [id=0, title=Google Glass于4月15日在美对外开放购买,售价为1500美元, date=2014-04-11 08:01, newsType=1]
- NewsItem [id=0, title=Cortana与Siri、Google Now的较量:支持功能更多, date=2014-04-10 16:30, newsType=1]
- NewsItem [id=0, title=优秀Unix管理员的七个习惯, date=2014-04-10 10:58, newsType=1]
- NewsItem [id=0, title=国外用户也不幸福!Facebook强制用户必须下载Messager, date=2014-04-10 09:10, newsType=1]
- NewsItem [id=0, title=ThoughtWorks CTO谈IT职场女性:你并不奇怪, date=2014-04-09 18:18, newsType=1]
- NewsItem [id=0, title=微软转型之路:从Build 2014开始, date=2014-04-09 17:05, newsType=1]
- NewsItem [id=0, title=设计师为什么要学编程,开发者为什么要学设计?, date=2014-04-09 14:07, newsType=1]
- NewsItem [id=0, title=Windows 8.1 Update 1的下载地址和八点???知, date=2014-04-09 08:38, newsType=1]
- ----------------------
- NewsItem [id=0, title=页面仔和他的小创新, date=2014-04-11 11:09, newsType=4]
- NewsItem [id=0, title=未来两年必须掌握的移动互联网技术与能力, date=2014-04-10 14:43, newsType=4]
- NewsItem [id=0, title=互联网思维到底是什么——移动浪潮下的新商业逻辑, date=2014-04-09 13:05, newsType=4]
- NewsItem [id=0, title=虚拟现实之眼——Oculus与HMD关键技术, date=2014-04-09 12:47, newsType=4]
- NewsItem [id=0, title=如何实现团队的自组织管理, date=2014-04-09 11:59, newsType=4]
- NewsItem [id=0, title=途牛网CTO汤峥嵘:互联网思维——光说不练远远不够, date=2014-04-08 11:10, newsType=4]
- NewsItem [id=0, title=理解创客, date=2014-04-04 17:55, newsType=4]
- NewsItem [id=0, title=TypeScript:更好的JavaScript, date=2014-04-03 16:10, newsType=4]
- NewsItem [id=0, title=Chris Anderson:我们正经历一场真正的革命, date=2014-04-02 14:45, newsType=4]
- NewsItem [id=0, title=Cocos2d-x 3.0带来了什么, date=2014-04-02 14:09, newsType=4]
- ----------------------
- NewsItem [id=0, title=研发周报:Perl创历史新低, date=2014-04-11 14:13, newsType=3]
- NewsItem [id=0, title=代码面试最常用的10大算法, date=2014-04-10 11:34, newsType=3]
- NewsItem [id=0, title=TIOBE 2014年4月编程语言排行榜:Perl跌至历史最低点, date=2014-04-10 09:20, newsType=3]
- NewsItem [id=0, title=金蝶发布Apusic智慧云平台 构建产业联盟推动信息化建设, date=2014-04-09 10:38, newsType=3]
- NewsItem [id=0, title=OpenSSL究竟为何物,为何它的影响力如此之大?, date=2014-04-09 08:52, newsType=3]
- NewsItem [id=0, title=Airbnb的管理之道:产品设计的点评策略与技巧, date=2014-04-09 07:01, newsType=3]
- NewsItem [id=0, title=大势所趋 HTML5成Web开发者最关心的技术, date=2014-04-08 14:30, newsType=3]
- NewsItem [id=0, title=研发周报:微软Build2014精华汇总, date=2014-04-04 16:09, newsType=3]
- NewsItem [id=0, title=Facebook发布PlanOut 开源部分A/B测试源码, date=2014-04-04 11:02, newsType=3]
- NewsItem [id=0, title=撼动企业应用架构的十大技术趋势, date=2014-04-08 14:40, newsType=3]
- ----------------------
- NewsItem [id=0, title=2014移动开发者必备的十大应用测试工具, date=22小时前, newsType=2]
- NewsItem [id=0, title=前《连线》主编Chris Anderson:创客就要DIT, date=22小时前, newsType=2]
- NewsItem [id=0, title=创客天下——《Make》及Maker Faire创办人、O'Reilly Media创始人Dale Dougherty专访, date=2014-04-11 11:21, newsType=2]
- NewsItem [id=0, title=《近匠》aGlass团队:透析眼控技术的价值, date=2014-04-11 10:51, newsType=2]
- NewsItem [id=0, title=UC多屏战略 推出电脑版和电视版浏览器, date=2014-04-11 07:07, newsType=2]
- NewsItem [id=0, title=“颠覆医疗” 时云医疗推三款硬件产品, date=2014-04-10 21:05, newsType=2]
- NewsItem [id=0, title=2014Unity亚洲开发者大会倒计时 干货内容日程汇总, date=2014-04-10 10:06, newsType=2]
- NewsItem [id=0, title=《近匠》棱镜:手游渠道SDK平台的技术历程, date=2014-04-09 10:27, newsType=2]
- NewsItem [id=0, title=绝对的超现实!Jaunt打造360°全景VR电影, date=2014-04-08 15:45, newsType=2]
- NewsItem [id=0, title=Unite China 2014课程解析:行业解决方案专场免费开放, date=2014-04-08 13:13, newsType=2]
- ----------------------
好了,最后打成jar,在下篇博客中会放入咱们待完成Android的项目中使用。
如果你觉得这篇文章对你有帮助,可以顶一个。
源码点击下载
抓取csdn上的各类别的文章 (制作csdn app 二)的更多相关文章
- 抓取oschina上面的代码分享python块区下的 标题和对应URL
# -*- coding=utf-8 -*- import requests,re from lxml import etree import sys reload(sys) sys.setdefau ...
- 使用Fiddler抓取手机上的数据包
在IIS中,如果网站已经绑定了域名在使用IP是不能访问的,需要添加一个空的主机名与IP的映射才能访问.如下图: Fiddler抓取手机包 在PC上建一个WIFI热的 勾选Fiddler中Tool-&g ...
- Postman----设置代理抓取手机上的请求
一般为方便接口测试,我们都会设置代理,抓取手机上的请求来方便测试,具体的操作方法如下. 操作步骤: 一.手机和电脑连接同一网络,查看电脑连接网络的IP,配置手机的代理 1.查看电脑连接的网络与IP地址 ...
- Fiddler如何抓取使用了SSL或TLS传输的Android App流量
上篇文章介绍了Burpsuite如何抓取使用了SSL或TLS传输的Android App流量, 那么使用Fiddler的时候其实 也会出现与burpsuite同样的情况,解决方案同样是需要将Fiddl ...
- Burpsuite如何抓取使用了SSL或TLS传输的 IOS App流量
之前一篇文章介绍了Burpsuite如何抓取使用了SSL或TLS传输的Android App流量,那么IOS中APP如何抓取HTTPS流量呢, 套路基本上与android相同,唯一不同的是将证书导入i ...
- iOS 抓取 UIwebview 上 所有 图片 并进行滚动播放
关于在UIwebview上添加滚动图片 两种滚动手势会混淆,应为webview有webview.scrollview的属性 故参照昨天的随笔 scrollview嵌套解决方案. 本篇随笔主要讲循环使用 ...
- charles抓取线上接口数据替换为本地json格式数据
最近要做下拉刷新,无奈测试服务器的测试数据太少,没有足够的数据做下拉刷新,所以用charles抓取了测试服务器的接口,然后在伪造了很多数据返回到我的电脑上,下面来说说使用方法: 第一步: 安装FQ软件 ...
- 网络爬虫中Fiddler抓取PC端网页数据包与手机端APP数据包
1 引言 在编写网络爬虫时,第一步(也是极为关键一步)就是对网络的请求(request)和回复(response)进行分析,寻找其中的规律,然后才能通过网络爬虫进行模拟.浏览器大多也自带有调试工具可以 ...
- Jsoup抓取网页数据完成一个简易的Android新闻APP
前言:作为一个篮球迷,每天必刷NBA新闻.用了那么多新闻APP,就想自己能不能也做个简易的新闻APP.于是便使用Jsoup抓取了虎扑NBA新闻的数据,完成了一个简易的新闻APP.虽然没什么技术含量,但 ...
随机推荐
- 常用的JQuery数字类型验证正则表达式
var regexEnum = { intege:"^-?[1-9]//d*$", //整数 intege1:"^[1-9]//d*$", ...
- OCA读书笔记(14) - 备份和恢复基本概念
备份恢复概念 如何判断数据库的一致性 在mount状态下,oracle如何判断数据库的一致性 scn:system change number,它是数据库时钟 如何查询当前系统的scn: select ...
- Enable OWIN Cross-origin Request
微软出了一套解决方式能够解决 "同意WebAPI的 CORS 请求" http://www.asp.net/web-api/overview/security/enabling-c ...
- ym——Android开发编码规范(自用)
转载请注明本文出自Cym的博客(http://blog.csdn.net/cym492224103),谢谢支持! Android开发编码规范 目的及指导原则 目的 统一规范 Eclipse编辑环境下J ...
- 在Windows通过使用MinGW静态编译Assimp
使用MinGW静态编译Assimp 到了5月份了.没有写一篇日志,于是自己从知识库里面拿出一篇文章充数吧.这次将要解说怎样在Windows下使用MinGW静态编译Assimp. Assimp是眼下比較 ...
- TMS320F28335项目开发记录5_28335之CCS编程基础
CCS开发环境已经为我们封装好了很多片内外设寄存器的结构体,我们仅仅须要包括对应的官方的头文件就能够使用了,那么它的内部详细是怎样实现的呢? 以下来一个典型的样例: 1.使用结构体和联合体 A.用st ...
- HDU 5071 Chat
题意: CLJ找了很多妹子- (题目好没节操-) 对于CLJ和妹子的聊天对话框 有一下几种操作: add 加一个妹子在聊天窗队列末尾 假设这个妹子已经在队列中则add失败 close 关掉 ...
- codeforces#256DIV2 D题Multiplication Table
题目地址:http://codeforces.com/contest/448/problem/D 当时是依照找规律做的,规律倒是找出来了,可是非常麻烦非常麻烦. . 看到前几名的红名爷们3分钟就过了, ...
- mac和windows系统下 eclipse svn 设置代理服务器
公司svn服务器在海外,有时候迫不得已svn也得设置代理 网上查了好长时间都只有windows下如何设置,mac系统下的教程很少. 1.在windows下设置方法如下 找到C:\Documentsan ...
- SWT的TableVierer的使用一
1,简单显示,表格的式样见注释中的内容 import org.eclipse.jface.viewers.TableViewer;import org.eclipse.swt.SWT;import o ...