故事的开头 虽然我们程序员不干爬虫的活，但是工作中确实偶尔有需要网络上的数据的时候，手动复制粘贴的话数据量少还好说，万一数据量大，浪费时间不说，真的很枯燥。 所以现学现卖研究了一个多小时写出了个爬虫程序
新建个Maven项目，导入爬虫工具包Jsoup
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.10.2</version> </dependency>首先要拿到我们请求的网页的地址 用Jsoup的parse()方法解析网页，传入连个参数第一个参数是new URL(url)，第二个参数设置解析时间如果超过30秒就放弃 然后获取到一个Document对象 之后就像我们操作JS代码一样，Document对象可以实现JS的所有操作 这时候我们用浏览器打开网页，F12审查元素，找到数据所在的div的id名，如果没有id名就用calss名，这里是没有id名的。 然后我们通过class名获取到元素，这时候可以System.out.println(chinajobs);的输出一下看看日否拿到了我们想要的数据 可以看到确实拿到了我们想要的数据
虽然拿到了数据但是有很多多余的信息，所以下一步过滤数据 因为class不是唯一的所以获取的是Elements对象我们要把它转换成Element对象才能进行下一步操作
Element el = chinajobs.first();将chinajobs中的第一个元素转换成Element对象（首先要确认我们需要的数据在将chinajobs中的第一个元素中） 通过分析发现我们需要的数据可以在title这个属性中提取出来
String title = el.getElementsByAttribute("title").text();输出一下试试
System.out.println(el.getElementsByAttribute("title").text());确实过滤到了所有我们想要的数据
最后一步导出到excel,这里我是用的是poi工具包
<dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>3.17</version> </dependency>通过el.getElementsByAttribute(“title”).size()确定元素的数量 采用循环遍历输出 el.getElementsByAttribute(“title”).eq(i)通过eq(i)传入索引值确定元素值 在D盘新建一个上海招聘公司一览表.xls文件
public static void main(String[] args) throws IOException { // 获取请求 https://www.buildhr.com/area/shanghai/ String url = "https://www.buildhr.com/area/shanghai/"; Document document = Jsoup.parse(new URL(url), 30000); Elements chinajobs = document.getElementsByClass("chinajobs"); HSSFWorkbook wb = new HSSFWorkbook(); HSSFSheet sheet = wb.createSheet("公司名列表"); Element el = chinajobs.first(); for (int i = 0; i < el.getElementsByAttribute("title").size(); i++) { String title = el.getElementsByAttribute("title").eq(i).text(); sheet.createRow(i).createCell(0).setCellValue(title); } try { FileOutputStream fout = new FileOutputStream("D:/上海招聘公司一览表.xls"); wb.write(fout); fout.close(); } catch (Exception e) { e.printStackTrace(); } }大功告成
