Java爬虫之下载全世界国家的国旗图片

介绍

本篇博客将继续上一篇博客：Python爬虫之使用Fiddler+Postman+Python的requests模块爬取各国国旗的内容，将用Java来实现这个爬虫，下载全世界国家的国旗图片。项目不再过多介绍，具体可以参考上一篇博客。
我们将全世界国家的名称放在一个txt文件中，每一行一个国家名字，该文件位于E盘flag目录下，名称为countries.txt，部分内容如下：

爬虫程序

我们这个爬虫的思路还是和上一篇博客的思路一样：先是读取countries.txt中的国家名称，以国家名称为参数，读取该国家搜索后的所在网页，再找到该搜索网页中的国家的国旗图片，并实现下载。这个搜索的过程，我们可以用Java的URL包中的POST方法来实现，关于POST方法的请求头和请求体，可以用Fiddler工具进行抓包分析。
该Java项目的具体结构如下：

其中用到的第三方API为commons-io和Jsoup，主函数为Country_Flag_Download.java，其java代码完整如下：

package wikiScrape;import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLConnection;
import java.util.ArrayList;import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;import org.apache.commons.io.FileUtils;public class Country_Flag_Download {public static void main(String[] args){String fileName ="E://flag/countries.txt";// 读取countries.txt文件中的国家名，储存在ArrayList中ArrayList<String> countries = readFileByLines(fileName);for(String country: countries) {String page = doPost(country); // 获取国家所在的网页if (page.indexOf("html") >= 0) { // 获取成功getContent(page);            // 下载该国国家的国旗}}System.out.println("国旗下载完毕！");}/* 发送HTTP的POST请求，获取指定国家的网页地址* 传入参数：country(国家): String类型*/public static String doPost(String country){String url = "http://country.911cha.com/";try {// 设置网址，打开连接URL obj = new URL(url);HttpURLConnection conn = (HttpURLConnection) obj.openConnection();// 设置POST请求头和请求体，请求体的参数为国家(country)conn.setUseCaches(false);conn.setRequestMethod("POST");String USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36";conn.setRequestProperty("User-Agent", USER_AGENT);conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded; charset=UTF-8");String postParams = String.format("q=%s", country);// 传入POST请求体的参数conn.setDoOutput(true);OutputStreamWriter os = new OutputStreamWriter(conn.getOutputStream(),"UTF-8");os.write(postParams);os.flush();os.close();// 获取响应结果状态码int responseCode = conn.getResponseCode();if (responseCode == HttpURLConnection.HTTP_OK) { //如果响应状态码为200// 将HTML内容解析成UTF-8格式Document doc = Jsoup.parse(conn.getInputStream(), "utf-8", url);// 刷选需要的网页内容String page = doc.select("div.mcon").get(1).selectFirst("ul").selectFirst("li").selectFirst("a").attr("href");return page;} else { // 如果响应状态码不是200， 则返回"Get page failed!"return "Get page failed.!";}}catch(Exception e){return "Get page failed.";}}// getContent()函数主要实现下载指定国家的国旗public static void getContent(String page){String base_url = "http://country.911cha.com/";String url = base_url+page;try{// 利用URL解析网址URL urlObj =  new URL(url);// URL连接URLConnection urlCon = urlObj.openConnection(); // 打开URL连接// 将HTML内容解析成UTF-8格式Document doc = Jsoup.parse(urlCon.getInputStream(), "utf-8", url);// 刷选需要的网页内容Element image = doc.selectFirst("img");String flag_name = image.attr("alt").replace("国旗", "");String flag_url = image.attr("src");URL httpurl = new URL(base_url+'/'+flag_url);// 利用FileUtils.copyURLToFile()实现图片下载FileUtils.copyURLToFile(httpurl, new File("E://flag/"+flag_name+".gif"));System.out.println(String.format("%s国旗下载成功~", flag_name));}catch(Exception e){e.printStackTrace();System.out.println("下载失败！");}}// 以行读取文件，返回ArrayList, 里面的元素为每个国家的名称public static ArrayList<String> readFileByLines(String fileName) {  File file = new File(fileName);  BufferedReader reader = null;  // 设置reader为nullArrayList<String> countries = new ArrayList<String>();try {  reader = new BufferedReader(new FileReader(file));  String tempString = null;  // 一次读入一行，直到读入null为文件结束  while ((tempString = reader.readLine()) != null)countries.add(tempString); // 在列表中添加国家名称reader.close(); // 关闭readerreturn countries;} catch (IOException e) {  return countries;  } finally {  if (reader != null) {  try {  reader.close();  }catch (IOException e1) {  e1.printStackTrace();}  }  }  } }

运行结果

点击运行该Java程序，可以发现在E盘的flag目录下已经下载了全世界国家的国旗图片，查看如下：

Bingo，我们的Java爬虫程序运行成功！本次爬虫的主要目标是为了在Java中实现类似于Python中的requests模块的POST方法~

注意：本人现已开通两个微信公众号：因为Python（微信号为：python_math）以及轻松学会Python爬虫（微信号为：easy_web_scrape），欢迎大家关注哦~~