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null         ArrayList<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reader                          return 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~~