java简单实现抓取动态网页数据

在这里我分享一段简单的获取js执行后的网页数据！

1.先建立一个maven工程

在这里我随便建了一个web工程！

2.将chromedriver.exe 文件放在安装谷歌的目录:

下载地址：http://cdn.npm.taobao.org/dist/chromedriver/2.34/chromedriver_win32.zip

根据你安装的Google路径比如：C:\\Program Files (x86)\\Google\\Chrome\\Application\\chromedriver.exe

3.在环境变量中的系统变量 path 中配置：

C:\\Program Files (x86)\\Google\\Chrome\\Application 

（配置到Application就可以了）

4.导入jar包，pom.xml 

<dependency>
    <groupId>org.seleniumhq.selenium</groupId>
    <artifactId>selenium-java</artifactId>
    <version>2.44.0</version>
</dependency>
<dependency>
    <groupId>org.seleniumhq.selenium</groupId>
    <artifactId>selenium-chrome-driver</artifactId>
    <version>2.44.0</version>
</dependency>
<dependency>
    <groupId>org.seleniumhq.selenium</groupId>
    <artifactId>selenium-server</artifactId>
    <version>2.18.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/us.codecraft/webmagic-core -->
<dependency>
    <groupId>us.codecraft</groupId>
    <artifactId>webmagic-core</artifactId>
    <version>0.6.1</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.webjars.npm/phantomjs -->
<dependency>
    <groupId>org.webjars.npm</groupId>
    <artifactId>phantomjs</artifactId>
    <version>2.1.2</version>
</dependency>

导入需要的jar包！

5.测试是否配置成功 如果启动浏览器 说明配置成功了

System.setProperty("webdriver.chrome.driver", "C:\\Program Files (x86)\\Google\\Chrome\\Application\\chromedriver.exe");
WebDriver webDriver = new ChromeDriver();

setProperty (String prop, String value);  
参数：  
prop - 系统属性的名称。  
value - 系统属性的值。 

返回:系统属性的值，如果没有值，则返回null。

6.获取网页js执行后页面全部数据

System.setProperty("webdriver.chrome.driver", "C:\\Program Files (x86)\\Google\\Chrome\\Application\\chromedriver.exe");
WebDriver webDriver = new ChromeDriver();
webDriver.get("http://top.baidu.com/?fr=mhd_card");//写入你要抓取的网址
WebElement webElement = webDriver.findElement(By.xpath("/html"));//获取页面全部信息
String htmlText=webElement.getAttribute("outerHTML");

webDriver.close();//必须关闭资源

WebDriver 获取网页数据信息，由By来定位，通过WebElement来解析数据！

 简单描述一下如何获取节点数据

String hotList=  webElement.findElement(By.id("hot-list")).getText();

通过getText()就能获取文本数据了！

String classText = element.findElement(By.className("className")).getText();

String label = webDriver.findElement(By.tagName("tagName")).getText();

标签 （多个以第一个为准）匹配获取文本

//可以执行jQuery查找元素，只要返回一个DOM元素   executeScript（“直接编写jQuery代码”）
WebElement element = (WebElement) ((JavascriptExecutor)webDriver).executeScript("return $('#index_dlt_code')[0]");

还有很多方法，这里就不详细一一说明了！

7.获取网页js执行后的style=“dispaly：none；“的隐藏数据

((JavascriptExecutor) webDriver).executeScript("return $('#"+id+"').css('display','block');");
WebElement element = (WebElement) ((JavascriptExecutor) webDriver).executeScript("return $('#"+id+"')[0]")