当前位置：首页 > web >正文

利用 Java 爬虫根据关键词获取某手商品列表

web 2025/8/18 2:03:38

在电商领域，根据关键词获取商品列表是常见的需求。某手作为国内知名的电商平台，提供了丰富的商品资源。通过 Java 爬虫技术，我们可以高效地根据关键词获取某手商品列表，并提取商品的基本信息。本文将详细介绍如何利用 Java 爬虫根据关键词获取某手商品列表，并提供完整的代码示例。

一、准备工作

（一）安装必要的库

确保你的开发环境中已经安装了以下库：

Jsoup：用于解析 HTML 文档。
Apache HttpClient：用于发送 HTTP 请求。

可以通过 Maven 来管理这些依赖。以下是 Maven 的依赖配置示例：

xml

<dependencies><dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.14.3</version></dependency><dependency><groupId>org.apache.httpcomponents</groupId><artifactId>httpclient</artifactId><version>4.5.13</version></dependency>
</dependencies>

（二）注册平台账号

如果目标平台提供 API 接口，需要注册相应平台的开发者账号，获取 App Key 和 App Secret。这些凭证将用于后续的 API 调用。

二、编写爬虫代码

（一）发送 HTTP 请求

使用 Apache HttpClient 库发送 GET 请求，获取商品列表页面的 HTML 内容。

java

import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;public class ProductListCrawler {public static String getHtml(String url) {try (CloseableHttpClient client = HttpClients.createDefault()) {HttpGet request = new HttpGet(url);request.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36");return EntityUtils.toString(client.execute(request).getEntity());} catch (Exception e) {e.printStackTrace();return null;}}
}

（二）解析 HTML 内容

使用 Jsoup 解析 HTML 内容，提取商品列表中的商品信息。

java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.HashMap;public class HtmlParser {public static List<Map<String, String>> parseHtml(String html) {List<Map<String, String>> products = new ArrayList<>();Document document = Jsoup.parse(html);Elements productItems = document.select("div.product-item");for (Element item : productItems) {Map<String, String> product = new HashMap<>();product.put("title", item.select("h2.product-title").first().text());product.put("price", item.select("span.product-price").first().text());product.put("description", item.select("div.product-description").first().text());product.put("image_url", item.select("img.product-image").first().attr("src"));products.add(product);}return products;}
}

（三）根据关键词获取商品列表

根据关键词构建商品列表页面的 URL，并获取其 HTML 内容。

java

public class ProductListCrawler {public static List<Map<String, String>> getProductListByKeyword(String baseUrl, String keyword, int page) {String url = baseUrl + "?keyword=" + keyword + "&page=" + page;String html = getHtml(url);if (html != null) {return HtmlParser.parseHtml(html);}return new ArrayList<>();}public static void main(String[] args) {String baseUrl = "https://example.com/search"; // 替换为目标平台的商品列表页面 URLString keyword = "耳机"; // 替换为实际关键词int page = 1; // 替换为实际页码List<Map<String, String>> products = getProductListByKeyword(baseUrl, keyword, page);for (Map<String, String> product : products) {System.out.println("商品名称: " + product.get("title"));System.out.println("商品价格: " + product.get("price"));System.out.println("商品描述: " + product.get("description"));System.out.println("商品图片URL: " + product.get("image_url"));System.out.println("----------------------------");}}
}

三、保存解析后的商品信息

（一）保存到文件

将商品信息保存到文件中，方便后续处理和分析。

java

import java.io.FileWriter;
import java.io.IOException;
import java.util.List;
import java.util.Map;
import com.opencsv.CSVWriter;public class SaveToFile {public static void saveAsCsv(List<Map<String, String>> products, String filePath) {try (CSVWriter writer = new CSVWriter(new FileWriter(filePath))) {String[] headers = {"title", "price", "description", "image_url"};writer.writeNext(headers);for (Map<String, String> product : products) {String[] data = {product.get("title"),product.get("price"),product.get("description"),product.get("image_url")};writer.writeNext(data);}System.out.println("数据已保存到 CSV 文件：" + filePath);} catch (IOException e) {e.printStackTrace();}}
}

（二）保存到数据库

将商品信息保存到数据库中，方便后续查询和分析。

java

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.SQLException;
import java.util.List;
import java.util.Map;public class SaveToDatabase {public static void saveToMySQL(List<Map<String, String>> products, String url, String user, String password) {String insertSQL = "INSERT INTO products (title, price, description, image_url) VALUES (?, ?, ?, ?)";try (Connection conn = DriverManager.getConnection(url, user, password);PreparedStatement pstmt = conn.prepareStatement(insertSQL)) {for (Map<String, String> product : products) {pstmt.setString(1, product.get("title"));pstmt.setString(2, product.get("price"));pstmt.setString(3, product.get("description"));pstmt.setString(4, product.get("image_url"));pstmt.addBatch();}pstmt.executeBatch();System.out.println("数据已保存到 MySQL 数据库");} catch (SQLException e) {e.printStackTrace();}}
}

四、注意事项和建议

（一）遵守平台规则

在编写爬虫时，必须严格遵守目标平台的使用协议，避免触发反爬机制。

（二）合理设置请求频率

避免过高的请求频率，以免对平台服务器造成压力。建议在请求之间添加适当的延时：

java

Thread.sleep(1000); // 每次请求间隔1秒

（三）数据安全

妥善保管爬取的数据，避免泄露用户隐私和商业机密。

（四）处理异常情况

在爬虫代码中添加异常处理机制，确保在遇到错误时能够及时记录并处理。

java

try {List<Map<String, String>> products = getProductListByKeyword(baseUrl, keyword, page);if (!products.isEmpty()) {for (Map<String, String> product : products) {System.out.println("商品名称: " + product.get("title"));System.out.println("商品价格: " + product.get("price"));System.out.println("商品描述: " + product.get("description"));System.out.println("商品图片URL: " + product.get("image_url"));System.out.println("----------------------------");}} else {System.out.println("未能获取商品列表。");}
} catch (Exception e) {e.printStackTrace();
}