科百科
当前位置: 首页 范文大全

springboot开源分销商城(SpringBootESJsoup实现JD)

时间:2023-05-21 作者: 小编 阅读量: 1 栏目名: 范文大全

SpringBootESJsoup实现JD文章目录标题SpringBootESJsoup实现JD搜索项目效果1、功能概述利用Jsoup爬虫爬取JD商城的商品信息,并将商品信息存储在ElasticSearch中,同时利用请求进行全文检索,同时完。

文章目录
  • 标题SpringBoot ES Jsoup实现JD搜索

项目效果

1、功能概述

利用Jsoup爬虫爬取JD商城的商品信息,并将商品信息存储在ElasticSearch中,同时利用请求进行全文检索,同时完成高亮显示等功能。

2、工具简介

Jsoup: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。

HttpClient:HttpClient 是Apache Jakarta Common 下一个子项目,可以用来提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包,并且它支持 HTTP 协议最新的版本和建议。

3、操作步骤

3.1 创建SpringBoot项目

3.2 勾选对应的集成包

3.3 导入项目中需要的jar包依赖(这里需要注意Springboot版本与ES版本的冲突问题)

​ 版本对应 :

Spring Data Release Train

Spring Data Elasticsearch

Elasticsearch

Spring Framework

Spring Boot

2021.2 (Raj)

4.4.x

7.17.4

5.3.x

2.7.x

2021.1 (Q)

4.3.x

7.15.2

5.3.x

2.6.x

2021.0 (Pascal)

4.2.x[ 1 ]

7.12.0

5.3.x

2.5.x

2020.0 (Ockham)[ 1 ]

4.1.x[ 1 ]

7.9.3

5.3.2

2.4.x

Neumann[ 1 ]

4.0.x[ 1 ]

7.6.2

5.2.12

2.3.x

Moore[ 1 ]

3.2.x[ 1 ]

6.8.12

5.2.12

2.2.x

Lovelace[ 1 ]

3.1.x[ 1 ]

6.2.2

5.1.19

2.1.x

Kay[ 1 ]

3.0.x[ 1 ]

5.5.0

5.0.13

2.0.x

Ingalls[ 1 ]

2.1.x[ 1 ]

2.4.0

4.3.25

1.5.x

​ 需要导入maven依赖:

<dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><version>1.2.75</version></dependency><!--解析网页 jsoup解析视频 tika--><dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.13.1</version></dependency><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.4.6</version></dependency><!-- HttpClient --><dependency><groupId>org.apache.httpcomponents</groupId><artifactId>httpclient</artifactId></dependency>

3.4 编写ES客户端配置类 ElasticSearchClientConfig (用于spring整体管理)

@Configurationpublic class ElasticSearchClientConfig {@Beanpublic RestHighLevelClient restHighLevelClient(){RestHighLevelClient restHighLevelClient = new RestHighLevelClient(RestClient.builder(new HttpHost("127.0.0.1", 9200)));return restHighLevelClient;}}

3.5 编写爬虫工具类 HtmlParseUtil

//html解析工具类public class HtmlParseUtil {public static void main(String[] args) throws IOException {List<Content> list = HtmlParseUtil.parseJDSearchKeyByPage("洗衣机", 2);System.out.println(list.size());}public static List<Content> parseJDSearchKeyByPage(String key,int page) throws IOException {List<Content> list = new ArrayList<>();for (int i = 1; i <=page ; i) {List<Content> itemList = HtmlParseUtil.parseJDSearchKey(key, i);list.addAll(itemList);}return list;}public static List<Content> parseJDSearchKey(String key,int page) throws IOException {//拼接URL路径和请求参数String url = UrlBuilder.create().setScheme("https").setHost("search.jd.com").addPath("Search").addQuery("keyword", key).addQuery("enc","utf-8").addQuery("page",String.valueOf(2*page-1)) //默认爬取前两页数据.build();URL url1 = new URL(url);HttpURLConnection httpConn = (HttpURLConnection) url1.openConnection();httpConn.setRequestMethod("GET");/**利用http模仿浏览器行为,防止被京东反爬虫程序**/httpConn.setRequestProperty("authority", "search.jd.com");httpConn.setRequestProperty("accept", "text/html,application/xhtml xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9");httpConn.setRequestProperty("accept-language", "zh-CN,zh;q=0.9");httpConn.setRequestProperty("cache-control", "max-age=0");httpConn.setRequestProperty("cookie", "__jdv=122270672|direct|-|none|-|1657610731752; __jdu=1657610731752947367087; pinId=zrLGvhk9izSm009P6x9LOw; pin=apple_ggUEIRS; unick=apple_ggUEIRS; ceshi3.com=000; _tp=70MDtYz0RbaKAAA4iyM/QQ==; _pst=apple_ggUEIRS; shshshfpb=daS4RVr0Yk9w65Hio31lN-g; shshshfpa=03fd05de-1795-e1be-7faa-dbe1342ebbcd-1657504705; rkv=1.0; areaId=12; ipLoc-djd=12-988-0-0; TrackID=1xjK9942JTH1cA13hCy9lpjoF4VUsywFztnHXMZa8fMqdod6dnvsJBqV2ZD7UVJXPOj_9eOcIbRSs8MdtE1dIc4M7Ie1oRPm-h1ZW-hdOnb9Gtb_DRX3_JGb_ZkJexJcQ; qrsc=3; PCSYCityID=CN_320000_320500_0; user-key=93bcac49-c4f4-4018-8b25-0766e0c16eda; cn=0; shshshfp=fc6aabe0109953d6062026a77f8bb1e5; __jda=122270672.1657610731752947367087.1657610732.1657610732.1657610732.1; __jdb=122270672.12.1657610731752947367087|1.1657610732; __jdc=122270672; shshshsID=fcfca37eb1dce4e7ebabf041ed253e70_6_1657612610164; thor=D83906BED82DBCAAD56166802034A7EB66575CF409BC09A49AFAF3487B79FEB995355C1A9063238C46E44EDF6CFED6A8324081B64A2FC4E00045BBAB6836FB7D4A6F24F6FBF97FE1F6A3014B93F3032242CB6FE9BF9D997B81005B34FA33DC1505BFB42E7DA2FE2D5991823CAEC187EE28A13F59C3698528BFD659FBAB4CFF16650B12DA4813475B5BF6F26CFCF2C198; 3AB9D23F7A4B3C9B=4YK7NHSJLWRZZ3CXJ4A22DRHHX7TAZBRBGGHDONJODT3TACJJJ65IS72HOSU4LFNHG6ZV3WAFDYORHCEBRJYYI6ZL4");httpConn.setRequestProperty("sec-ch-ua", "\".Not/A)Brand\";v=\"99\", \"Google Chrome\";v=\"103\", \"Chromium\";v=\"103\"");httpConn.setRequestProperty("sec-ch-ua-mobile", "?0");httpConn.setRequestProperty("sec-ch-ua-platform", "\"macOS\"");httpConn.setRequestProperty("sec-fetch-dest", "document");httpConn.setRequestProperty("sec-fetch-mode", "navigate");httpConn.setRequestProperty("sec-fetch-site", "none");httpConn.setRequestProperty("sec-fetch-user", "?1");httpConn.setRequestProperty("upgrade-insecure-requests", "1");httpConn.setRequestProperty("user-agent", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36");InputStream responseStream = httpConn.getResponseCode() / 100 == 2? httpConn.getInputStream(): httpConn.getErrorStream();Scanner s = new Scanner(responseStream).useDelimiter("\\A");String response = s.hasNext() ? s.next() : "";Document document = Jsoup.parse(response);//Document document = Jsoup.connect(url).userAgent("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36").cookie("wlfstk_smdl","4jxg7p5cy2jz7afp41rull7hc3y9mkjr").timeout(30000).get();Element j_goodsList = document.getElementById("J_goodsList");if(j_goodsList==null)returnnew ArrayList<>(); ;Element gl_warp= j_goodsList.getElementsByClass("gl-warp").get(0);ArrayList<Content> contents = new ArrayList<>();for (Element child : gl_warp.children()) {//img图片路径是存放在懒加载路径里面。String img =child.getElementsByTag("img").eq(0).attr("data-lazy-img");String price = child.getElementsByClass("p-price").eq(0).text();String name = child.getElementsByClass("p-name").eq(0).text();Content content = new Content();content.setImg(img);content.setTitle(name);content.setPrice(price);contents.add(content);}return contents;}}

3.6 编写前端页面 index.html

<!DOCTYPE html><html xmlns:th="http://www.thymeleaf.org"><head><meta charset="utf-8"/><title>ES仿京东实战</title><link rel="stylesheet" th:href="@{/css/style.css}"/></head><body ><div><div><!-- 头部搜索 --><div><div ><div ><!-- Logo--><h1 ><img th:src="@{/images/jdlogo.png}" ></h1><div ><!--搜索--><div><form name="searchTop" ><fieldset><legend>天猫搜索</legend><div ><div><div ><input v-model="keyword" type="text" autocomplete="off" value="dd"aria-haspopup="true"></div></div><button type="submit"@click.prevent="searchKey">搜索</button></div></fieldset></form><ul ><li><a>Java</a></li><li><a>前端</a></li><li><a>Linux</a></li><li><a>大数据</a></li><li><a>理财</a></li></ul></div></div></div></div></div><!-- 商品详情页面 --><div ><div ><!-- 品牌分类 --><form ><div><div ><div ><div >品牌</div><div ><ul ><li><a href="#"></a></li><li><a href="#"> Java </a></li></ul></div></div></div></div></form><!-- 排序规则 --><div ><a >综合<i ></i></a><a >人气<i ></i></a><a >新品<i ></i></a><a >销量<i ></i></a><a >价格<i ></i><i ></i></a></div><!-- 商品详情 --><div ><!--<div >--><!--<div >--><!--<!–商品封面–>--><!--<div >--><!--<a >--><!--<img src="https://img.alicdn.com/bao/uploaded/i1/3899981502/O1CN01q1uVx21MxxSZs8TVn_!!0-item_pic.jpg">--><!--</a>--><!--</div>--><!--<!–价格–>--><!--<p >--><!--<em><b>¥</b>2590.00</em>--><!--</p>--><!--<!–标题–>--><!--<p >--><!--<a> dkny秋季纯色a字蕾丝dd商场同款连衣裙 </a>--><!--</p>--><!--<!– 店铺名 –>--><!--<div >--><!--<span>店铺: Java </span>--><!--</div>--><!--<!– 成交信息 –>--><!--<p >--><!--<span>月成交<em>999笔</em></span>--><!--<span>评价 <a>3</a></span>--><!--</p>--><!--</div>--><!--</div>--><divv-for="(item,index) in result" :key="index item"><div ><!--商品封面--><div ><a ><img :src="'http:' item.img"></a></div><!--价格--><p ><!--<em><b>¥</b>2590.00</em>--><em>{{item.price}}</em></p><!--标题--><p ><a v-html="item.title"></a><!--<a> { {item.title}}} </a>--></p><!-- 店铺名 --><div ><span>店铺: Java </span></div><!-- 成交信息 --><p ><span>月成交<em>999笔</em></span><span>评价 <a>3</a></span></p></div></div></div></div></div></div></div><script th:src="@{/js/jquery.min.js}"></script><script th:src="@{/js/axios.min.js}"></script><script th:src="@{/js/vue.min.js}"></script><script>new Vue({ el:"#app",data:{keyword:"",result:[]},methods:{async searchKey(){let keyword = this.keyword;console.log(keyword);let res =await axios.post("ES/Search",{keyword,pageSize:20,pageNo:1})console.log(res);if(res!=null&& res!=undefined){// alert("查询成功")this.result = res.data;}}}})</script></body></html>

3.7 创建商品pojo类 Content

@Datapublic class Content {private String img;private String title;private String price;}

3.8 编写爬虫同步逻辑代码

/** Controller层代码**/@Slf4j@RestController@RequestMapping("/ES")public class ESController {@ResourceEsDataSearchService esDataSearchService;/*** 导入数据进入es* @param keyword* @return* @throws Exception*/@GetMapping("/data/{keyword}")public booleanSynchronizeData(@PathVariable("keyword") String keyword) throws Exception {return esDataSearchService.SynchronizeData(keyword);}}/** Service层代码 **/@Servicepublic class EsDataSearchServiceImpl implements EsDataSearchService {@ResourceRestHighLevelClient restHighLevelClient;@Overridepublic boolean SynchronizeData(String keyword)throws Exception {List<Content> contents = HtmlParseUtil.parseJDSearchKeyByPage(keyword,2) ;//创建批量操作请求BulkRequest jd_goods = new BulkRequest();jd_goods.timeout("2m");//将爬取出来的数组同步进入esfor (Content content : contents) {//新增添加请求jd_goods.add(new IndexRequest("jd_goods").source(JSON.toJSONString(content), XContentType.JSON));}//批量请求BulkResponse response = restHighLevelClient.bulk(jd_goods, RequestOptions.DEFAULT);return !response.hasFailures();}}

注意:通过将爬取的数据转成数组,再通过es批量处理,将数据同步进入es

3.9 编写查询接口

/** Controller层代码**/@PostMapping("/Search")public List<Content> SearchData(@RequestBody SearchObject searchObject){return esDataSearchService.SearchData(searchObject,true);}/** Service层代码 **/@SneakyThrows@Overridepublic List<Content> SearchData(SearchObject searchObject,boolean flag) {SearchRequest request = new SearchRequest();request.indices("jd_goods");SearchSourceBuilder builder = new SearchSourceBuilder();//分页builder.from((searchObject.getPageNo()-1)*searchObject.getPageSize());builder.size(searchObject.getPageSize());HighlightBuilder highlightBuilder = new HighlightBuilder();//多个高亮显示highlightBuilder.requireFieldMatch(false);highlightBuilder.preTags("<span style='color:red;'>");highlightBuilder.postTags("</span>");highlightBuilder.field("title");builder.highlighter(highlightBuilder);//精准匹配 必须完全相同 否则无法展示TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("title", searchObject.getKeyword());MatchPhraseQueryBuilder queryBuilders = QueryBuilders.matchPhraseQuery("title", searchObject.getKeyword());builder.query(queryBuilders);//带中文的匹配BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();//boolQueryBuilder.must(QueryBuilders.matchPhraseQuery("title",searchObject.getKeyword()));builder.query(boolQueryBuilder);builder.timeout(new TimeValue(60, TimeUnit.SECONDS));request.source(builder);//执行搜索SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);//获取结果List<Content> res = new ArrayList<>();SearchHits hits = response.getHits();for (SearchHit hit : hits.getHits()) {Content content = JSON.parseObject(hit.getSourceAsString(), Content.class);Map<String, HighlightField> highlightFields = hit.getHighlightFields();HighlightField title = highlightFields.get("title");if(title!=null){Text[] fragments = title.fragments();StringBuffer str = new StringBuffer("");//利用StringBuffer拼接效率更高for (Text fragment : fragments) {str.append(fragment);}content.setTitle(str.toString());}res.add( content);}//没有就现插入if(res.size()==0&&flag){//第一次没有查找到数据,则进行一次数据爬取再执行查询。this.SynchronizeData(searchObject.getKeyword());Thread.sleep(1000);//线程睡眠1s 因为同步es数据是异步操作,等待同步完成。res =this.SearchData(searchObject,false);}return res;}

3.10 启动项目,通过 启动端口进行访问(记得打开ES服务)

Elasticsearch 是一个分布式、高扩展、高实时的搜索与 数据分析 引擎。它能很方便地使大量数据具有搜索、分析和探索的能力。

它可以做实时数据存储,es检索数据本身扩展性很好,可以扩展到上百台服务器,处理PB级别(大数据时代)的数据。

    推荐阅读
  • onego双肩包(高颜值大小适中)

    OneGo单肩包6L的售价为599元,目前已经开售,可以在主要电商平台中进行购买。同时用户也不需要在单独购买内胆包,一举两得。磁吸徽章在PGYTECHOneGo单肩包6L的前幅电池收纳仓中,介绍过这个磁吸徽章。另外这个连接环可以随着背负角度的变化进行旋转,这样背负起来可以让PGYTECHOneGo单肩包6L更加贴合身体,减少来回晃动的幅度。PGYTECHOneGo单肩包6L采用了YKK拉链,YKK拉链的品质有目共睹,一般高端的箱包、服装都会采用这家的拉链。

  • 榴莲可以带上高铁吗(榴莲可以带上高铁吗安检过的了吗)

    榴莲是不可以带上高铁的,因根据铁路部门最新修订的《铁路进站乘车禁止和限制携带物品目录》显示,不能携带有强烈刺激性气味的物品以及有恶臭等异味的物品,例如:臭豆腐、榴莲等,若是影响到其他正常出行的旅客也是禁止的。如臭豆腐、榴莲等,如果影响其他乘客,也属禁止之列。

  • 中年男人梦见自己掉牙是什么意思(中年男人梦见自己掉牙好不好)

    本命年的中年男人梦见自己掉牙,意味着得失参半,先得后失,宜珍惜谨慎,秋冬不利。恋爱中的中年男人梦见自己掉牙,说明心意坚定则可成,否则难成。做生意的中年男人梦见自己掉牙,代表宜小不宜大投资,小作小赚,大作大赚。上学的中年男人梦见自己掉牙,意味着文科考题稍加注意,有希望录取。

  • 鹿客人脸识别(云丁科技更名为鹿客科技)

    陈彬透露,随着品牌进一步升级,鹿客科技也会在今年全面发力品牌、产品和供应链,不断打造出更优质的产品服务于海内外用户。据陈彬现场透露,Lockin新品智能锁也即将发布,届时,新品将成为首款可适配40国家及地区的智能锁。陈彬表示,指静脉识别将成为智能门锁的标配,鹿客指静脉智能锁的销量成绩,也让鹿客科技更加坚定“指静脉”的市场战略布局。

  • 交换机和路由器怎么连接(交换机使用)

    主路由器通过WAN端口连接光猫的宽带上网端口,假设光猫的IP地址是192.168.1.1,主路由器的IP地址是192.168.5.1;交换机的任意端口连接主无线路由器的LAN端口;下级无线路由器,即一层,二层,三层的路由器使用LAN端口连接到交换机,这点非常重要,不要使用WAN端口。主要涉及到一层,二层,三层路由器的设置;设备IP地址的配置,主要是为了方便对路由器进行管理,不配置也是可以的。

  • 王宝强的身高(王宝强真实身高仅有一米六四)

    近日王宝强、田亮、吴宣仪、张雨绮等6人共同参与的综艺节目《挑战吧!太空》一经播出,赢得外界一致好评,王宝强和张雨绮撑起了整个节目的笑点,其中一个环节是王宝强接受身高测量,他的真实身高仅有一米六四?张雨绮的回应逗笑了很多网友。不过这也意味着王宝强、张雨绮、吴宣仪、田亮等6人的真实身体情况会被曝光。张雨绮此言一出,无疑再次让王宝强的身高成为“谜”,不得不说张雨绮和田亮真的是宝强身边的绝佳“损友”了。

  • 咖啡的搭配禁忌(咖啡的搭配禁忌有哪些)

    下面更多详细答案一起来看看吧!咖啡的搭配禁忌切记咖啡不宜与茶同服。茶和咖啡中的鞣酸可使铁的吸收减少75%。宜用温开水送服。含咖啡因的饮料和食品,被孕妇大量饮用后,会出现恶心、呕吐、头痛、心跳加快等症状。咖啡因还会通过胎盘进入胎儿体内,影响胎儿发育。儿童不宜喝咖啡。咖啡因可以兴奋儿童中枢神经系统,干扰儿童的记忆,造成儿童多动症

  • 现在天气能种冬寒菜吗(六九天还是冷种冬寒菜刚好)

    至于土壤,冬寒菜对于土壤的要求不高,无论贫瘠和肥沃都能正常生长,但是最好用排水性比较好的土壤即可。

  • 对女性生理好的食物(女性吃15种食物可以提高性欲)

    女性吃15种食物可以提高性欲,影响女性性欲的因素多种多样,心理、社会、生理和疾病等,而饮食是其中非常重要的一方面。同时专家指出在性生活之后吃个鸡蛋还可补充人的体力,促进健康。女性常食可大补阴之不足,并可提高免疫机能,激发青春活力。常食可预防妇科病,调节性功能。

  • 好吃用英文怎么说(好吃用英文如何说)

    好吃用英文如何说“好吃”英语说法:delicious读法:英[dɪlɪʃəs]、美[dɪlɪʃəs]释义:adj.美味的;可口的lookdelicious看起来味道很美delicioussweet美味糖果delici。