Java爬虫之下载全世界国家的国旗图片

摘要：介绍本篇博客将继续上一篇博客爬虫之使用的模块爬取各国国旗的内容，将用来实现这个爬虫，下载全世界国家的国旗图片。

  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：

  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 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 readFileByLines(String fileName) {  

        File file = new File(fileName);  
        BufferedReader reader = null;  // 设置reader为null
        ArrayList countries = new ArrayList();

        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();
                }  

            }  

        }  

    } 
    

}

  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~~