Écrivez le robot Java Zhihu à partir de zéro pour obtenir le contenu recommandé par les éditeurs Zhihu

Passez d'abord trois à cinq minutes à concevoir un logo =. =En tant que programmeur, j'ai toujours voulu être un artiste !

D'accord, c'est un petit bricolage, donc je vais me contenter de ça pour l'instant.

Ensuite, nous commençons à créer un robot d'exploration Zhihu.

Tout d'abord, déterminez le premier objectif : la recommandation de l'éditeur.

Lien de la page web : http://www.zhihu.com/explore/recommendations

Nous avons légèrement modifié le dernier code pour obtenir le contenu de la page :

import java.io.*;
import java.net.*;
import java.util.regex.*;
public class Main {
 static String SendGet(String url) {
  // 定义一个字符串用来存储网页内容
  String result = "";
  // 定义一个缓冲字符输入流
  BufferedReader in = null;
  try {
   // 将string转成url对象
   URL realUrl = new URL(url);
   // 初始化一个链接到那个url的连接
   URLConnection connection = realUrl.openConnection();
   // 开始实际的连接
   connection.connect();
   // 初始化 BufferedReader输入流来读取URL的响应
   in = new BufferedReader(new InputStreamReader(
     connection.getInputStream()));
   // 用来临时存储抓取到的每一行的数据
   String line;
   while ((line = in.readLine()) != null) {
    // 遍历抓取到的每一行并将其存储到result里面
    result += line;
   }
  } catch (Exception e) {
   System.out.println("发送GET请求出现异常！" + e);
   e.printStackTrace();
  }
  // 使用finally来关闭输入流
  finally {
   try {
    if (in != null) {
     in.close();
    }
   } catch (Exception e2) {
    e2.printStackTrace();
   }
  }
  return result;
 }
 static String RegexString(String targetStr, String patternStr) {
  // 定义一个样式模板，此中使用正则表达式，括号中是要抓的内容
  // 相当于埋好了陷阱匹配的地方就会掉下去
  Pattern pattern = Pattern.compile(patternStr);
  // 定义一个matcher用来做匹配
  Matcher matcher = pattern.matcher(targetStr);
  // 如果找到了
  if (matcher.find()) {
   // 打印出结果
   return matcher.group(1);
  }
  return "Nothing";
 }
 public static void main(String[] args) {
  // 定义即将访问的链接
  String url = "http://www.zhihu.com/explore/recommendations";
  // 访问链接并获取页面内容
  String result = SendGet(url);
  // 使用正则匹配图片的src内容
  //String imgSrc = RegexString(result, "src=\"(.+?)\"");
  // 打印结果
  System.out.println(result);
 }
}

Il n'y aura aucun problème après l'avoir exécuté. La prochaine étape est un problème de correspondance régulier.

Tout d’abord, répondons à toutes les questions sur cette page.

Cliquez avec le bouton droit sur le titre et inspectez l'élément :

Aha, vous pouvez voir que le titre est en fait une balise a, qui est un lien hypertexte, et il peut. Ce qui le distingue des autres hyperliens devrait être la classe, qui est le sélecteur de classe.

Donc, notre déclaration habituelle apparaît : question_link. ?href="(. ?)"

Appelez la fonction RegexString et transmettez-lui des paramètres :

public static void main(String[] args) {
  // 定义即将访问的链接
  String url = "http://www.zhihu.com/explore/recommendations";
  // 访问链接并获取页面内容
  String result = SendGet(url);
  // 使用正则匹配图片的src内容
  String imgSrc = RegexString(result, "question_link.+?>(.+?)<");
  // 打印结果
  System.out.println(imgSrc);
 }

Aha , vous pouvez voir que nous avons réussi à capturer un titre (note, un seul) :

Attendez une minute, c'est quoi ce bordel ? !

Ne soyez pas nerveux=. = Ce sont juste des caractères tronqués.

Pour les problèmes d'encodage, veuillez vous référer à : Jeu de caractères HTML

De manière générale, les encodages courants avec une meilleure prise en charge du chinois sont l'encodage UTF-8, GB2312 et GBK.

Ce qui précède est le contenu de l'écriture du robot Java Zhihu sans aucune connaissance de base pour obtenir le contenu recommandé par les éditeurs de Zhihu. Pour plus de contenu connexe, veuillez faire attention au site Web PHP chinois (www. php.cn) !