介绍

  本篇博客将继续 的内容，将用Java来实现这个爬虫，下载全世界国家的国旗图片。项目不再过多介绍，具体可以参考上一篇博客。

  我们将全世界国家的名称放在一个txt文件中，每一行一个国家名字，该文件位于E盘flag目录下，名称为countries.txt， 部分内容如下：

爬虫程序

  我们这个爬虫的思路还是和上一篇博客的思路一样：先是读取countries.txt中的国家名称，以国家名称为参数，读取该国家搜索后的所在网页，再找到该搜索网页中的国家的国旗图片，并实现下载。这个搜索的过程，我们可以用Java的URL包中的POST方法来实现，关于POST方法的请求头和请求体，可以用Fiddler工具进行抓包分析。

  该Java项目的具体结构如下：

其中用到的第三方API为commons-io和Jsoup，主函数为Country_Flag_Download.java，其java代码完整如下：

package wikiScrape;import java.io.BufferedReader;import java.io.File;import java.io.FileReader;import java.io.IOException;import java.io.OutputStreamWriter;import java.net.HttpURLConnection;import java.net.URL;import java.net.URLConnection;import java.util.ArrayList;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.apache.commons.io.FileUtils;public class Country_Flag_Download {
         public static void main(String[] args){        String fileName ="E://flag/countries.txt";        // 读取countries.txt文件中的国家名，储存在ArrayList中        ArrayList
     
       countries = readFileByLines(fileName);        for(String country: countries) {            String page = doPost(country); // 获取国家所在的网页            if (page.indexOf("html") >= 0) { // 获取成功                getContent(page);            // 下载该国国家的国旗            }        }        System.out.println("国旗下载完毕！");    }    /* 发送HTTP的POST请求，获取指定国家的网页地址     * 传入参数：country(国家): String类型     */    public static String doPost(String country){        String url = "http://country.911cha.com/";        try {            // 设置网址，打开连接            URL obj = new URL(url);            HttpURLConnection conn = (HttpURLConnection) obj.openConnection();            // 设置POST请求头和请求体，请求体的参数为国家(country)            conn.setUseCaches(false);            conn.setRequestMethod("POST");            String USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36";            conn.setRequestProperty("User-Agent", USER_AGENT);            conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded; charset=UTF-8");            String postParams = String.format("q=%s", country);            // 传入POST请求体的参数            conn.setDoOutput(true);            OutputStreamWriter os = new OutputStreamWriter(conn.getOutputStream(),"UTF-8");            os.write(postParams);            os.flush();            os.close();            // 获取响应结果状态码            int responseCode = conn.getResponseCode();            if (responseCode == HttpURLConnection.HTTP_OK) { //如果响应状态码为200                // 将HTML内容解析成UTF-8格式                Document doc = Jsoup.parse(conn.getInputStream(), "utf-8", url);                // 刷选需要的网页内容                String page = doc.select("div.mcon").get(1)                                        .selectFirst("ul")                                        .selectFirst("li")                                        .selectFirst("a")                                        .attr("href");                return page;            }             else { // 如果响应状态码不是200， 则返回"Get page failed!"                return "Get page failed.!";            }        }        catch(Exception e){            return "Get page failed.";        }    }    // getContent()函数主要实现下载指定国家的国旗    public static void getContent(String page){        String base_url = "http://country.911cha.com/";        String url = base_url+page;        try{            // 利用URL解析网址            URL urlObj =  new URL(url);            // URL连接            URLConnection urlCon = urlObj.openConnection(); // 打开URL连接            // 将HTML内容解析成UTF-8格式            Document doc = Jsoup.parse(urlCon.getInputStream(), "utf-8", url);            // 刷选需要的网页内容            Element image = doc.selectFirst("img");            String flag_name = image.attr("alt").replace("国旗", "");            String flag_url = image.attr("src");            URL httpurl = new URL(base_url+'/'+flag_url);            // 利用FileUtils.copyURLToFile()实现图片下载            FileUtils.copyURLToFile(httpurl, new File("E://flag/"+flag_name+".gif"));            System.out.println(String.format("%s国旗下载成功~", flag_name));        }        catch(Exception e){            e.printStackTrace();            System.out.println("下载失败！");        }    }    // 以行读取文件，返回ArrayList, 里面的元素为每个国家的名称    public static ArrayList
      
        readFileByLines(String fileName) {          File file = new File(fileName);          BufferedReader reader = null;  // 设置reader为null        ArrayList
       
         countries = new ArrayList
        
         ();        try {              reader = new BufferedReader(new FileReader(file));              String tempString = null;              // 一次读入一行，直到读入null为文件结束              while ((tempString = reader.readLine()) != null)                countries.add(tempString); // 在列表中添加国家名称            reader.close(); // 关闭reader            return countries;        }         catch (IOException e) {              return countries;          }         finally {              if (reader != null) {                  try {                      reader.close();                  }                catch (IOException e1) {                      e1.printStackTrace();                }              }          }      } }
        
       
      
     

运行结果

  点击运行该Java程序，可以发现在E盘的flag目录下已经下载了全世界国家的国旗图片，查看如下：

  Bingo， 我们的Java爬虫程序运行成功！本次爬虫的主要目标是为了在Java中实现类似于Python中的requests模块的POST方法~

注意：本人现已开通两个微信公众号： 因为Python（微信号为：python_math）以及轻松学会Python爬虫（微信号为：easy_web_scrape）， 欢迎大家关注哦~~