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
  • 乒乓菊花期多久(乒乓菊花期是多久)

    下面希望有你要的答案,我们一起来看看吧!乒乓菊花期多久乒乓菊花期可以持续3个月左右,它会在每年的8-10月份开花,其花朵形状近似圆形,花色丰富,具有极高的观赏价值。想要乒乓菊快速开花,就要将其放置在光线明亮处,并在乒乓菊开花后,需要每月施加一次叶面肥,使其花色更为灿烂。

  • 雅思作文评分标准(这三个标准十分重要)

    接下来我们就一起去了解一下吧!雅思作文评分标准连贯与衔接:关于连贯性和衔接,主要考察的是考生的文章主旨能力和信息观点的连接能力。衔接性指的是考生对于连接词的使用是否能够帮助考生整合观点,将段落、句子和句子成分之间的关系阐明清楚。句式多样性和语法准确性:雅思写作对于句式多样性的要求主要是在作文中,注意时态、比较级、动词、复杂句等使用。而准确性则是建立在使用的场景正确。

  • 泊船瓜洲泊的意思(泊船瓜洲中的泊是什么意思)

    《泊船瓜洲》中的“泊”是停或靠在岸边的意思。《泊船瓜洲》是王安石的代表作,诗中描写了诗人眺望江南时的情景,抒发了作者对故乡的怀念之情。《泊船瓜洲》宋·王安石京口瓜洲一水间,钟山只隔数重山。译文京口和瓜洲之间只隔着一条长江,钟山就隐没在几座山峦的后面。次句以依恋的心情写他对钟山的回望,反映了诗人对于钟山依恋之深。

  • 双手皮肤干燥小妙招(手干怎么办)

    以下内容大家不妨参考一二希望能帮到您!双手皮肤干燥小妙招米醋泡手法在盆子里面倒入热水,在热水里面放入适量的米醋,之后将双手浸泡在水中,半个小时之后将双手从水里拿出来,这个时候手上干燥的皮肤就会变得很是柔软,干裂的口子也不会那么疼,擦干水分,将双手用保鲜膜包裹好,第二天手就会特别的滋润。

  • 世界上最浪漫的国家是哪个国家(世界上最浪漫的国家是什么国家)

    世界上最浪漫的国家是哪个国家斯洛文尼亚。斯洛文尼亚是地球上唯一一个把爱“love”装进名字里的国家,斯洛文尼亚去掉love,剩下的字母组成的字是“是你啊”。斯洛文尼亚位于阿尔卑斯山脉、迪纳拉山脉、多瑙河中游平原以及地中海沿岸的交界处。斯洛文尼亚位于中欧南部,毗邻阿尔卑斯山,西邻意大利,北接奥地利,国土面积为20273平方公里。

  • 威尼斯的小艇作者简介(威尼斯的小艇作者个人简介)

    威尼斯的小艇作者简介《威尼斯的小艇》是马克·吐温撰写的文章。文章描绘了威尼斯这座水上城市的异国风情。2006年,他被美国的权威期刊《大西洋月刊》评为影响美国的100位人物之一。他的主要作品已大多有中文译本。他的思想和创作也表现为从轻快调笑到辛辣讽刺再到悲观厌世的发展阶段,前期以辛辣的讽刺见长,到了后期语言更为暴露激烈。他于1910年4月21日去世,享年七十五岁,安葬于纽约州艾玛拉。

  • 暗示男朋友很喜欢你的句子(男生三大错觉一)

    有说厨艺好的、有说胖点更好看的……收到了零星的几个评论,有人说这么胖还吃?还有的说不用看,我们知道你很胖。切记、切记。。。公交车上,地铁上,火车上,甚至走路都还要拿着手机看。对于这些人,我只想说:你们都这样,小偷怎么偷手机啊!

  • 女性月经期喝什么茶好 女性月经期喝什么茶好?

    将红糖、无核金丝枣、姜片放入炖煮的容器中,适量的清水,盖上盖子,炖煮半个小时即可。

  • 高以翔谈自己的择偶标准(最萌身高差主创武汉秀)

    实习生杨雪莹摄高以翔拍戏好似重回校园“最萌”男神多才多艺近日武汉寒潮来袭,《最萌身高差》“虐狗”之旅暖萌登陆,火爆点燃活动现场。活动中,他们甜蜜展示最萌身高差情侣的恋爱姿势,现场大撒狗粮。主创与粉丝大合影。主办方供图据悉,由高以翔、王水林、范湉湉、九孔主演的浪漫喜剧《最萌身高差》于11月25日全国上映。