Java如何使用httpRequest+Jsoup爬取红蓝球号码

小编给大家分享一下Java如何使用HttpRequest+jsoup爬取红蓝球号码，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

1、Jsoup介绍

1.1、简介

jsoup 是一款Java 的html解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的api，可通过DOM，CSS以及类似于Jquery的操作方法来取出和操作数据。

1.2、Jsoup的主要功能

从一个URL，文件或字符串中解析HTML
2、使用DOM或CSS选择器来查找、取出数据
3、可操作HTML元素、属性、文本
注意：jsoup是基于MIT协议发布的，可放心使用于商业项目。

2、源网站及页面元素分析

2.1、号码源

首先，这里我选择近年来比较稳定的数据源地址【某网站】截图如下

2.2、dom元素分析

2.1、开奖号码主体分析

先打开开发者工具，找到每条开奖号码对应的dom元素

可以看到每一期号码信息主体在一个<tr>标签中，其中第一个<td>是开奖日期，第二个<td>是开奖期号，第三个<td>是开奖号码，每个奖号是单独的标签,红球的class=rr，篮球没有设置样式

<tr>          <td align="center">2021-06-13</td>          <td align="center">2021065</td>          <td align="center" >                    <em class="rr">01</em>                    <em class="rr">04</em>                    <em class="rr">08</em>                    <em class="rr">19</em>                    <em class="rr">29</em>                    <em class="rr">33</em>                              <em>16</em></td>          <td><strong>362,527,724</strong></td>          <td align="left" ><strong>3</strong></td>          <td align="center"><strong class="rc">82</strong></td>          <td align="center">              <a href="http://www.zhcw.com/ssq/kjgg/" rel="external nofollow"  target="_blank"><img src="http://images.zhcw.com/zhcw2010/kaijiang/zhcw/ssqpd_42.jpg" width="16" height="16" align="absmiddle" title="详细信息"></a>              <a href="http://www.zhcw.com/video/kaijiangshipin/" rel="external nofollow"  target="_blank"><img src="http://images.zhcw.com/zhcw2010/kaijiang/zhcw/ssqpd_43.jpg" width="16" height="16" align="absmiddle" title="开奖视频"></a>          </td>        </tr>

2.2、页码区域分析

由于我们爬取数据的时候，需要进行翻页操作，所以这里还需要分析翻页部分的内容，继续在开发者工具中，定位页码区域

可以看到页码部分是<tbody>中的最后一个<tr>中，翻页操作的内容再class=pg的 <p> 标签中
可以拆分为多个<storage>标签数组,可以分析得出翻页链接的规律。
/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=页码
或
/zhcw/html/ssq/list_页码.html

<tr>    <td colspan="7" align="center" >        <p class="zhu"></p>        <p class="pg">            共<strong>136</strong> 页 /<strong>2709 </strong>条记录             <strong><a href="/zhcw/inc/ssq/ssq_wqhg.jsp" rel="external nofollow" >首页</a></strong>            <strong><a href="/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=1" rel="external nofollow" >上一页</a></strong>            <strong><a href="/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=2" rel="external nofollow" >下一页</a></strong>            <strong><a href="/zhcw/inc/ssq/ssq_wqhg.jsp?pageNum=136" rel="external nofollow" >末页</a></strong>            当前第<strong> 1 </strong>页</p>     </td> </tr>

3、代码实现

Maven引用，这里使用的是Jsoup1.13.1版本

  <dependency>      <groupId>org.jsoup</groupId>      <artifactId>jsoup</artifactId>      <version>1.13.1</version>  </dependency>

这使用的是基于jeecg开发的Job，搭建过程不赘述了，直接看主体代码。

 public void execute(JobExecutionContext arg0) throws JobExecutionException {  Integer maxPage=getMaxPage();//获取总页数  for(int pageNo=0;pageNo<maxPage;pageNo++){//循环处理每一页的数据   String url = "http://kaijiang.zhcw.com/zhcw/html/ssq/list_"+(pageNo+1)+".html";//拼访问地址      String strDateFORMat = "yyyy-MM-dd";         SimpleDateFormat sdf = new SimpleDateFormat(strDateFormat);   String html = JwtHttpUtil.httpRequest(url, "GET",null);//访问对应的页面   Document doc =  Jsoup.parse(html);//用Jsoup解析页面内容并且解析为Document   Document doc1= Jsoup.parse(doc.getElementsByClass("wqhgt").toString());//wqhgt是table标签的class，这里获取到开奖号码的table的内容并且解析为Document   Elements trs= doc1.getElementsByTag("tr");//根据tag获取到所有的tr标签，这里获取到的是一个Element数组   logger.info("当前页码---"+(pageNo+1)+"----"+trs.size());   for(int i=2;i<trs.size()-1;i++){//这里是根据页面内容确定开奖内容是从第三个tr开始到倒数第二个tr结束，最后一个tr是翻页按钮    try {     Elements tds=trs.get(i).getElementsByTag("td");     String kjrq=tds.get(0).text();     String kjqh=tds.get(1).text();     //这里是为了防止重复拉取，所以做了判断，如果已存在当前期的奖号，就直接跳过     Long count=lotterySsqKjjlService.getCountForJdbc("select count(*) from lottery_ssq_kjjl where SSQ_KJQH='"+ kjqh + "'");     //下面的内容很容易理解，就是可以对照页面分析部分内容看，就不赘述了     if(count>0)break;     LotterySsqKjjlEntity kjhmEntiry=new LotterySsqKjjlEntity();        Elements kjhm=tds.get(2).getElementsByTag("em");     kjhmEntiry.setSsqKjrq(sdf.parse(kjrq));     kjhmEntiry.setSsqKjqh(kjqh);        kjhmEntiry.setSsqR1(Integer.parseInt(kjhm.get(0).text()));        kjhmEntiry.setSsqR2(Integer.parseInt(kjhm.get(1).text()));        kjhmEntiry.setSsqR3(Integer.parseInt(kjhm.get(2).text()));        kjhmEntiry.setSsqR4(Integer.parseInt(kjhm.get(3).text()));        kjhmEntiry.setSsqR5(Integer.parseInt(kjhm.get(4).text()));        kjhmEntiry.setSsqR6(Integer.parseInt(kjhm.get(5).text()));        kjhmEntiry.setSsqB1(Integer.parseInt(kjhm.get(6).text()));        lotterySsqKjjlService.save(kjhmEntiry);    } catch (ParseException e) {     // TODO Auto-generated catch block     e.printStackTrace();    } catch (Exception e) {     // TODO Auto-generated catch block     e.printStackTrace();    }   }  }   }  private Integer getMaxPage(){  String url = "http://kaijiang.zhcw.com/zhcw/html/ssq/list.html";  String html = JwtHttpUtil.httpRequest(url, "GET",null);  Document doc =  Jsoup.parse(html);  Document docPageBar= Jsoup.parse(doc.getElementsByClass("pg").toString());  Elements elePageBar = docPageBar.getElementsByTag("strong");  Integer maxPageNo=Integer.parseInt(elePageBar.get(0).text());  return maxPageNo; }

以下是执行完成的部分数据截图

拉取到基础数据后，我们可以再写一个job，去计算出每期开奖号码的指标，可以进行奖号分析，预测等。
这里简单实现了部分分析指标的计算，以下是主体代码。

 public void run(){  List<LotterySsqKjjlEntity> list= lotterySsqKjjlService.findByQueryString("from LotterySsqKjjlEntity t");  for(int i=0;i<list.size();i++){   LotterySsqKjjlEntity kjjg=list.get(i);   logger.info("正在处理:"+kjjg.getSsqKjqh());   kjjg.setSsqMin(kjjg.getSsqR1());//最小号   kjjg.setSsqMax(kjjg.getSsqR6());//最大号   kjjg.setSsqKd(kjjg.getSsqR6()-kjjg.getSsqR1());//号码跨度   kjjg.setSsqJsCnt(ssqKjjgUtils(kjjg, "jsCnt"));//奇数个数   kjjg.setSsqOsCnt(ssqKjjgUtils(kjjg, "osCnt"));//偶数个数   kjjg.setSsqSum(ssqKjjgUtils(kjjg, "sum"));//号码和   lotterySsqKjjlService.updateEntitie(kjjg);     }  logger.info("结果数据条数"+list.size()); }  private Integer ssqKjjgUtils(LotterySsqKjjlEntity kjjg,String opType){  List<Integer> t =new ArrayList<Integer>();  t.add(kjjg.getSsqR1());  t.add(kjjg.getSsqR2());  t.add(kjjg.getSsqR3());  t.add(kjjg.getSsqR4());  t.add(kjjg.getSsqR5());  t.add(kjjg.getSsqR6());  Integer result=0;  switch (opType) {  case "jsCnt":  case "osCnt":   int jsgs=0;   int osgs=0;   for(int i=0;i<t.size();i++){    if(t.get(i)%2==0){     osgs++;    }else{     jsgs++;    }   }   if("jsCnt".equals(opType)){    result=jsgs;   }else{    result=osgs;   }   break;  case "sum":   int sum=0;   for(int i=0;i<t.size();i++){    sum+=t.get(i);   }   result=sum;   break;  default:   break;  }  return result; }

至此，这个简单的爬虫就写完了，可以利用爬过来的这些基础数据，进行一些数据分析，预测。

看完了这篇文章，相信你对“Java如何使用httpRequest+Jsoup爬取红蓝球号码”有了一定的了解，如果想了解更多相关知识，欢迎关注编程网精选频道，感谢各位的阅读！