第一篇文章，就從一個簡單爬蟲開始吧。

這只蟲子的功能很簡單，抓取到”煎蛋網xxoo”網頁(http://jandan.net/ooxx/page-1537)，解析出其中的妹子圖，保存至本地。

先放結果：

從程序來講，分為三個步驟：

1、發起一個http請求，獲取返回的response內容；

2、解析內容，分離出有效圖片的url；

3、根據這些圖片的url，生成圖片保存至本地。

開始詳細說明：

準備工作：HttpClient的Jar包，訪問http://hc.apache.org/?? 自行下載。

主程序內容：

public class SimpleSpider {//起始頁碼private static final int page = 1538;public static void main(String[] args) {//HttpClient 超時配置RequestConfig globalConfig = RequestConfig.custom().setCookieSpec(CookieSpecs.STANDARD).setConnectionRequestTimeout(6000).setConnectTimeout(6000).build();CloseableHttpClient httpClient = HttpClients.custom().setDefaultRequestConfig(globalConfig).build();System.out.println("5秒后開始抓取煎蛋妹子圖……");for (int i = page; i > 0; i--) {//創建一個GET請求HttpGet httpGet = new HttpGet("http://jandan.net/ooxx/page-" + i);httpGet.addHeader("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.152 Safari/537.36");httpGet.addHeader("Cookie","_gat=1; nsfw-click-load=off; gif-click-load=on; _ga=GA1.2.1861846600.1423061484");try {//不敢爬太快Thread.sleep(5000);//發送請求，并執行CloseableHttpResponse response = httpClient.execute(httpGet);InputStream in = response.getEntity().getContent();String html = Utils.convertStreamToString(in);//網頁內容解析new Thread(new JianDanHtmlParser(html, i)).start();} catch (Exception e) {e.printStackTrace();}}} }

HttpClient是一個非常強大的工具，屬于apache下項目。如果只是創建一個默認的httpClient實例，代碼很簡單，官網手冊上有詳細說明。

可以看到在創建一個GET請求時，加入了請求頭。第一個User-Agent代表所使用瀏覽器。有些網站需要明確了解用戶所使用的瀏覽器，而有些不需要。個人猜測，部分網站根據用戶使用瀏覽器不同顯示不一樣。這里的煎蛋網，就必須得加入請求頭。第二個Cookie則代表了一些用戶設置，可以沒有。使用chrome的開發者工具就能清楚看到。如果是https加密后的，則需要特殊的抓包工具。

?

網頁內容解析

public class JianDanHtmlParser implements Runnable {private String html;private int page;public JianDanHtmlParser(String html,int page) {this.html = html;this.page = page;}@Overridepublic void run() {System.out.println("==========第"+page+"頁============");List<String> list = new ArrayList<String>();html = html.substring(html.indexOf("commentlist"));String[] images = html.split("li>");for (String image : images) {String[] ss = image.split("br");for (String s : ss) {if (s.indexOf("<img src=") > 0) {try{int i = s.indexOf("<img src=\"") + "<img src=\"".length();list.add(s.substring(i, s.indexOf("\"", i + 1)));}catch (Exception e) {System.out.println(s);}}}}for(String imageUrl : list){if(imageUrl.indexOf("sina")>0){new Thread(new JianDanImageCreator(imageUrl,page)).start();}}} }

這段代碼看起來凌亂，但實際上卻特別簡單。簡單說便是，將response返回的html字符串解析，截取，找到真正需要的內容（圖片url），存入到臨時容器中。

生成圖片類

public class JianDanImageCreator implements Runnable {private static int count = 0;private String imageUrl;private int page;//存儲路徑，自定義private static final String basePath = "E:/jiandan"; public JianDanImageCreator(String imageUrl,int page) {this.imageUrl = imageUrl;this.page = page;}@Overridepublic void run() {File dir = new File(basePath);if(!dir.exists()){dir.mkdirs();System.out.println("圖片存放于"+basePath+"目錄下");}String imageName = imageUrl.substring(imageUrl.lastIndexOf("/")+1);try {File file = new File( basePath+"/"+page+"--"+imageName);OutputStream os = new FileOutputStream(file);//創建一個url對象URL url = new URL(imageUrl);InputStream is = url.openStream();byte[] buff = new byte[1024];while(true) {int readed = is.read(buff);if(readed == -1) {break;}byte[] temp = new byte[readed];System.arraycopy(buff, 0, temp, 0, readed);//寫入文件 os.write(temp);}System.out.println("第"+(count++)+"張妹子:"+file.getAbsolutePath());is.close(); os.close();} catch (Exception e) {e.printStackTrace();}} }

根據每個圖片的src地址創建一個URL對象，再使用字節流，生成本地文件。

這個程序相對來說比較簡單，純屬娛樂。如果能讓那些不了解HttpClient的同學對這個庫產生興趣，則功德無量。

github地址：https://github.com/nbsa/SimpleSpider

PS:這個博客只提供抓取圖片的方法，圖片版權屬于原網站及其網友。請大家尊重原網勞動成果，避免分發、傳播圖片內容。

from:?http://www.cnblogs.com/nbspL/p/4780792.html?utm_source=tuicool&utm_medium=referral

總結

以上是生活随笔為你收集整理的使用HttpClient实现一个简单爬虫，抓取煎蛋妹子图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。