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);
// 假设商品列表中的每个商品项都在一个 div.product-item 中
Elements productItems = document.select("div.product-item");
for (Element item : productItems) {
Map<String, String> product = new HashMap<>();
// 提取商品名称
String title = item.select("h2.product-title").first().text();
product.put("title", title);
// 提取商品价格
String price = item.select("span.product-price").first().text();
product.put("price", price);
// 提取商品描述
String description = item.select("div.product-description").first().text();
product.put("description", description);
// 提取商品图片 URL
String imageUrl = item.select("img.product-image").first().attr("src");
product.put("image_url", imageUrl);
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 URL
String 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）页面结构变化
目标网站的页面结构可能会发生变化，因此需要定期检查和更新选择器（select 方法中的参数）。
（二）异常处理
在发送请求和解析 HTML 时，可能会遇到各种异常情况，如请求失败、页面结构变化等。因此，需要在代码中添加异常处理逻辑，确保爬虫的稳定运行。
（三）遵守法律法规
在进行爬虫操作时，必须严格遵守相关法律法规，尊重网站的 robots.txt 文件规定。
（四）合理设置请求频率
避免过高的请求频率导致对方服务器压力过大，甚至被封禁 IP。建议每次请求之间至少间隔 1-2 秒。
五、总结
通过上述步骤和代码示例，你可以轻松地利用 Java 爬虫技术根据关键词获取某手商品列表。希望本文能为你提供有价值的参考，帮助你更好地利用爬虫技术获取电商平台数据。在开发过程中，务必注意遵守平台规则，合理设置请求频率，并妥善处理异常情况，以确保爬虫的稳定运行。
