来自：猿天地

首先我们封装一个Http请求的工具类，用HttpURLConnection实现，当然你也可以用HttpClient, 或者直接用Jsoup来请求（下面会讲到Jsoup）。

工具类实现比较简单，就一个get方法，读取请求地址的响应内容，这边我们用来抓取网页的内容，这边没有用代理，在真正的抓取过程中，当你大量请求某个网站的时候，对方会有一系列的策略来禁用你的请求，这个时候代理就排上用场了，通过代理设置不同的IP来抓取数据。

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
public class HttpUtils {public static String get(String url) {try {URL getUrl = new URL(url);HttpURLConnection connection = (HttpURLConnection) getUrl.openConnection();connection.setRequestMethod("GET");connection.setRequestProperty("Accept", "*/*");connection.setRequestProperty("User-Agent","Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; CIBA)");connection.setRequestProperty("Accept-Language", "zh-cn");connection.connect();BufferedReader reader = new BufferedReader(new InputStreamReader(connection.getInputStream(), "utf-8"));String line;StringBuffer result = new StringBuffer();while ((line = reader.readLine()) != null){result.append(line);}reader.close();return result.toString();} catch (Exception e) {e.printStackTrace();}return null;}
}

接下来我们随便找一个有图片的网页，来试试抓取功能

public static void main(String[] args) {String url = "https://www.toutiao.com/a6568327638044115460/";String html = HttpUtils.get(url);List imgUrls = getImageSrc(html);for (String imgSrc : imgUrls) {System.out.println(imgSrc);}}public static List getImageSrc(String html) {// 获取img标签正则String IMGURL_REG = "]*?>";// 获取src路径的正则String IMGSRC_REG = "http:\"?(.*?)(\"|>|\\s+)";Matcher matcher = Pattern.compile(IMGURL_REG).matcher(html);List listImgUrl = new ArrayList();while (matcher.find()) {Matcher m = Pattern.compile(IMGSRC_REG).matcher(matcher.group());while (m.find()) {listImgUrl.add(m.group().substring(0, m.group().length() - 1));}}return listImgUrl;}

首先将网页的内容抓取下来，然后用正则的方式解析出网页的标签，再解析img的地址。执行程序我们可以得到下面的内容：

http://p9.pstatp.com/large/pgc-image/1529307883634343f939c85
http://p1.pstatp.com/large/pgc-image/1529307883606177aaf408b
http://p3.pstatp.com/large/pgc-image/152930788361571655944eb
http://p1.pstatp.com/large/pgc-image/1529307883500ad4375beb0
http://p3.pstatp.com/large/pgc-image/1529307883536bc68e6156e

通过上面的地址我们就可以将图片下载到本地了，下面我们写个图片下载的方法：

public static void main(String[] args) throws MalformedURLException, IOException {String url = "https://www.toutiao.com/a6568327638044115460/";String html = HttpUtils.get(url);List imgUrls = getImageSrc(html);for (String imgSrc : imgUrls) {Files.copy(new URL(imgSrc).openStream(), Paths.get("./img/"+UUID.randomUUID()+".png"));}
}

这样就很简单的实现了一个抓取并且提取图片的功能了，看起来还是比较麻烦哈，要写正则之类的 ，下面给大家介绍一种更简单的方式，如果你熟悉jQuery的话对提取元素就很简单了，这个框架就是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。

添加jsoup的依赖：

org.jsoupjsoup1.11.3

使用jsoup之后提取的代码只需要简单的几行即可：

public static void main(String[] args) throws MalformedURLException, IOException {String url = "https://www.toutiao.com/a6568327638044115460/";String html = HttpUtils.get(url);Document doc = Jsoup.parse(html);Elements imgs = doc.getElementsByTag("img");for (Element img : imgs) {String imgSrc = img.attr("src");if (imgSrc.startsWith("//")) {imgSrc = "http:" + imgSrc;}Files.copy(new URL(imgSrc).openStream(), Paths.get("./img/"+UUID.randomUUID()+".png"));}}

通过Jsoup.parse创建一个文档对象，然后通过getElementsByTag的方法提取出所有的图片标签，循环遍历，通过attr方法获取图片的src属性,然后下载图片。

Jsoup使用起来非常简单，当然还有很多其他解析网页的操作，大家可以去看看资料学习一下。

下面我们再来升级一下，做成一个小工具，提供一个简单的界面，输入一个网页地址，点击提取按钮，然后把图片自动下载下来，我们可以用swing写界面。

public class App {public static void main(String[] args) {JFrame frame = new JFrame();frame.setResizable(false);frame.setSize(425,400);frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);frame.setLayout(null);frame.setLocationRelativeTo(null);JTextField jTextField = new JTextField();jTextField.setBounds(100, 44, 200, 30);frame.add(jTextField);JButton jButton = new JButton("提取");jButton.setBounds(140, 144, 100, 30);frame.add(jButton);frame.setVisible(true);jButton.addActionListener(new ActionListener() {@Overridepublic void actionPerformed(ActionEvent e) {String url = jTextField.getText();if (url == null || url.equals("")) {JOptionPane.showMessageDialog(null, "请填写抓取地址");return;}String html = HttpUtils.get(url);Document doc = Jsoup.parse(html);Elements imgs = doc.getElementsByTag("img");for (Element img : imgs) {String imgSrc = img.attr("src");if (imgSrc.startsWith("//")) {imgSrc = "http:" + imgSrc;}try {Files.copy(new URL(imgSrc).openStream(), Paths.get("./img/"+UUID.randomUUID()+".png"));} catch (MalformedURLException e1) {e1.printStackTrace();} catch (IOException e1) {e1.printStackTrace();}}JOptionPane.showMessageDialog(null, "抓取完成");}});}
}

执行main方法首先出来的就是我们的界面了，如下：