java爬虫获取静态网页和css样式,js

时间: 2024-02-23 11:57:11 浏览: 19
获取静态网页、CSS样式和JS文件的方式和获取静态网页的方式类似,只需要在获取网页内容的基础上再获取CSS和JS文件的内容即可。下面是一个使用Java爬虫获取静态网页和其CSS和JS文件的示例代码: ```java import java.io.BufferedReader; import java.io.InputStreamReader; import java.net.URL; import java.net.URLConnection; import java.util.regex.Matcher; import java.util.regex.Pattern; public class StaticPageCrawler { private static final String USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"; public static void main(String[] args) { String url = "http://www.example.com"; String pageContent = getPageContent(url); System.out.println(pageContent); } public static String getPageContent(String url) { StringBuilder pageContentBuilder = new StringBuilder(); try { URLConnection connection = new URL(url).openConnection(); connection.setRequestProperty("User-Agent", USER_AGENT); BufferedReader in = new BufferedReader(new InputStreamReader(connection.getInputStream())); String inputLine; while ((inputLine = in.readLine()) != null) { pageContentBuilder.append(inputLine); } in.close(); String pageContent = pageContentBuilder.toString(); String cssContent = getCSSContent(pageContent, url); String jsContent = getJSContent(pageContent, url); return pageContent + cssContent + jsContent; } catch (Exception e) { e.printStackTrace(); } return pageContentBuilder.toString(); } public static String getCSSContent(String pageContent, String url) { StringBuilder cssContentBuilder = new StringBuilder(); Pattern pattern = Pattern.compile("<link\\s+.*?href=\"(.*?)\".*?>"); Matcher matcher = pattern.matcher(pageContent); while (matcher.find()) { String cssUrl = matcher.group(1); if (cssUrl.startsWith("//")) { cssUrl = "http:" + cssUrl; } else if (cssUrl.startsWith("/")) { cssUrl = url + cssUrl; } try { URL cssUrlObj = new URL(cssUrl); URLConnection cssConnection = cssUrlObj.openConnection(); cssConnection.setRequestProperty("User-Agent", USER_AGENT); BufferedReader cssReader = new BufferedReader(new InputStreamReader(cssConnection.getInputStream())); String cssInputLine; while ((cssInputLine = cssReader.readLine()) != null) { cssContentBuilder.append(cssInputLine); } cssReader.close(); } catch (Exception e) { e.printStackTrace(); } } return cssContentBuilder.toString(); } public static String getJSContent(String pageContent, String url) { StringBuilder jsContentBuilder = new StringBuilder(); Pattern pattern = Pattern.compile("<script\\s+.*?src=\"(.*?)\".*?>"); Matcher matcher = pattern.matcher(pageContent); while (matcher.find()) { String jsUrl = matcher.group(1); if (jsUrl.startsWith("//")) { jsUrl = "http:" + jsUrl; } else if (jsUrl.startsWith("/")) { jsUrl = url + jsUrl; } try { URL jsUrlObj = new URL(jsUrl); URLConnection jsConnection = jsUrlObj.openConnection(); jsConnection.setRequestProperty("User-Agent", USER_AGENT); BufferedReader jsReader = new BufferedReader(new InputStreamReader(jsConnection.getInputStream())); String jsInputLine; while ((jsInputLine = jsReader.readLine()) != null) { jsContentBuilder.append(jsInputLine); } jsReader.close(); } catch (Exception e) { e.printStackTrace(); } } return jsContentBuilder.toString(); } } ``` 这个示例代码使用了 Java 的正则表达式来提取网页中的CSS和JS文件的URL,并使用了Java的URL和URLConnection类来获取CSS和JS文件的内容。在这个示例中,我们将获取的静态网页内容、CSS内容和JS文件内容都拼接到了一起并返回。

相关推荐

最新推荐

recommend-type

java抓取网页数据获取网页中所有的链接实例分享

java抓取网页数据获取网页中所有的链接实例分享,使用方法,只要实例化HtmlParser时传入网页地址就可以了
recommend-type

JAVA爬虫实现自动登录淘宝

给大家分享一个关于JAVA爬虫的相关知识点,通过代码实现自动登录淘宝网,有兴趣的朋友测试下。
recommend-type

java实现一个简单的网络爬虫代码示例

主要介绍了java实现一个简单的网络爬虫代码示例,还是挺不错的,这里分享给大家,需要的朋友可以参考下。
recommend-type

hadoop中实现java网络爬虫(示例讲解)

下面小编就为大家带来一篇hadoop中实现java网络爬虫(示例讲解)。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

基于C#实现网络爬虫 C#抓取网页Html

主要为大家详细介绍了基于C#实现网络爬虫的相关资料,即C#抓取网页Html源码,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。