java中怎么利用jsoup爬取数据并解析，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
1.首先分析下要爬的数据 ：
a.获取到请求考勤的接口 ，网站开发工具就能抓到比较顺利（这里我登录没有搞定，迂回了一下。后面会记录实现方式）
b.分析数据格式，简单的html-table表格 nice！
二 、 获取考勤数据并整理输出到excel
这里爬数据我用了jsoup ,处理数据用了dom4j
maven引入
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.12.1</version> </dependency> <dependency> <groupId>dom4j</groupId> <artifactId>dom4j</artifactId> <version>1.6.1</version> </dependency>
代码如下：
/**
* 模拟请求获取数据
*
* @param userId 用户id
* @param date 日期
*/
@Override
public List<KaoQinData> getPunchList(Integer userId, String date) throws Exception {
UserBean user = userMapper.getUser(userId);
//拼装请求地址、参数和必要的请求头信息
StringBuilder url = new StringBuilder();
url.append("http://xxxxxx.com/newkaoqin?userid=");
url.append(userId);
url.append("&seldate=");
url.append(date);
Connection con2 = Jsoup.connect(url.toString());
con2.header("User-Agent", USER_AGENT);
con2.header("Host", HOST);
con2.header("Referer", REFERER);
con2.header("Cookie", getCookie());
Response response = con2.ignoreContentType(true).method(Method.GET).execute();
//处理返回的数据
String body = response.body();
Document doc = Jsoup.parse(body);
//定位到要解析的位置 选择器可以任意选择。
Elements tab2 = doc.getElementsByClass("tab2");
//因为后面有很多无用数据，我们只用第一个所以获取第一个数据
Element first = tab2.first();
// first可能为空
Elements tr = first.select("tr");
//处理数据 KaoQinData 是考勤数据的实体。统计后返回实体的集合
List<KaoQinData> kaoQinData = new ArrayList<>();
KaoQinData kaoQin;
for (Iterator<org.jsoup.nodes.Element> cit = tr.iterator(); cit.hasNext(); ) {
Element tr1 = cit.next();
Elements td = tr1.select("td");
if (td.size() > 0) {
Element punchDateEle = td.get(0);
String punchDateStr = punchDateEle.text();
Element punchTimeEle = td.get(4);
String punchTimeStr = punchTimeEle.text();
if (!StringUtils.isEmpty(punchTimeStr)) {
String substring = punchTimeStr.substring(0, punchTimeStr.indexOf(":"));
Integer integer = Integer.valueOf(substring);
if (integer >= 20) {
System.out.println(punchDateStr + "," + punchTimeStr);
kaoQin = new KaoQinData(user.getRealName(), punchDateStr, punchTimeStr);
kaoQinData.add(kaoQin);
}
}
}
}
return kaoQinData;
}
这里基本上就差不多了。输出excel什么的。随便啦 喜欢用什么就用什么；
附：顺便说一下，我因为没有搞定自动登录获取cookie，偷巧迂回了一下，
1.在项目中创建了一个文件专门存放cookie，像这样：
2.因此写了一个接口用来更新cookie的接口，把新的cookie写上去覆盖cookie文件。
3.使用的时候获取cookiefile文件内的cookie。（有点麻烦，后面有空再研究下自动登录）
/**
* 获取coockie.
* @return
* @throws IOException
*/
private String getCookie() throws IOException {
int num;
char[] buf = new char[1024];
File file = new File(COOKIE_FILEPATH);
if (!file.exists()) {
file.createNewFile();
}
FileReader fileReader = new FileReader(file.getPath());
StringBuilder stringBuilder = new StringBuilder();
while ((num = fileReader.read(buf)) != -1) {
stringBuilder.append(buf, 0, num);
}
return stringBuilder.toString();
}
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注本站行业资讯频道，感谢您对本站的支持。
