songjing 发表于 2022-2-19 18:08

springboot jsoup爬取全国地区(只到市级)保存到MySQL

本帖最后由 songjing 于 2022-2-21 09:53 编辑

所用到技术

1. springboot
2. mysql
3. mybatisplus
4. jsoup

~~~sql
/*
Navicat Premium Data Transfer

Source Server         : 127.0.0.1
Source Server Type    : MariaDB
Source Server Version : 100510
Source Host         : 127.0.0.1:3306
Source Schema         : country_city

Target Server Type    : MariaDB
Target Server Version : 100510
File Encoding         : 65001

Date: 19/02/2022 18:05:31
*/

SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

-- ----------------------------
-- Table structure for area
-- ----------------------------
DROP TABLE IF EXISTS `area`;
CREATE TABLE `area`(
`id` int(11) NOT NULL COMMENT 'id',
`name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL COMMENT '地址名称',
`parent_id` int(11) NULL DEFAULT NULL COMMENT '属于那个城市',
PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

SET FOREIGN_KEY_CHECKS = 1;

~~~

java实现
~~~java
package com.jsoup.jsoup;

import lombok.SneakyThrows;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.ListIterator;

/*** Description:
* @author: whz
* @date: 2022/2/19 17:48
* @param:
* @return:*/
@RestController
public class CityController {
    @Autowired
    private AreaService areaService;

    @SneakyThrows
    @GetMapping("test")
    private void city() {
      //国家统计局地址
      String url = "http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2021/index.html";

      //链接到目标地址
      Connection connect = Jsoup.connect(url);
      //设置useragent,设置超时时间,并以get请求方式请求服务器
      Document document = null;
      {
            try {
                document = connect.userAgent("Mozilla/4.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)").
                        timeout(6000).ignoreContentType(true).get();
            } catch (IOException e) {
                e.printStackTrace();
            }
      }
      //获取省份列表
      ListIterator<Element> elements = document.getElementsByClass("provincetr").listIterator();
      List areaList = new ArrayList<>();
      int i = 0;
      while (elements.hasNext()) {
            Element tr = elements.next();
            ListIterator<Element> tds = tr.getElementsByTag("td").listIterator();
            while (tds.hasNext()) {
                Area province = new Area();
                i++;
                Element td = tds.next();
                province.setName(td.text());
                province.setId(i);
                province.setParent_id(0);
                areaList.add(province);
                Elements a1 = td.getElementsByTag("a");
                url = "http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2021/" + a1.attr("href");
                connect = Jsoup.connect(url);
                document = connect.
                        timeout(6000).ignoreContentType(true).get();
//                获取省份下得城市
                ListIterator<Element> countys = document.getElementsByClass("citytr").listIterator();

                while (countys.hasNext()) {
                  ListIterator<Element> couna = countys.next().getElementsByTag("td").listIterator();
                  Area county = new Area();
                  while (couna.hasNext()) {
                        Element a = couna.next();
                        i++;
                        county.setParent_id(province.getId());
                        county.setId(i);
                        county.setName(a.text().trim());
                  }
                  areaList.add(county);
                }
            }
      }
      areaService.saveBatch(areaList);
    }
}

~~~


工作需要 所以要有个中国地图,但是不需要精确到县级和街道 所以只获取到了市级,记录一下


爬取网址是这个**http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2021/index.html**
国家统计局的 肯定正确好像是一年更新一次 2022得还没有出来 所以用的2021得


如果需要经纬度的话 可以看看这个大佬写的
(https://blog.csdn.net/jiankang66/article/details/108565274?spm=1001.2101.3001.6650.12&utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~Rate-12.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~Rate-12.pc_relevant_default&utm_relevant_index=17)

[参考链接1](https://www.cnblogs.com/likeju/p/4882890.html)
[参考链接2](https://www.cnblogs.com/lihongjunjava/p/14361205.html)
# **百目无她,百书智花,君当醒悟,建我中华**


gitee地址   https://gitee.com/wanghongzhan/jsoup.git

Le_bonheur 发表于 2022-2-20 18:26

感谢大佬的分享

songjing 发表于 2022-2-21 09:01

Le_bonheur 发表于 2022-2-20 18:26
感谢大佬的分享

我就是个菜鸡 而已   加油

dingfeifei 发表于 2022-2-21 09:27

能给个完整的项目源码吗 ,

songjing 发表于 2022-2-21 09:44

dingfeifei 发表于 2022-2-21 09:27
能给个完整的项目源码吗 ,

我没上传这样吧 我等会弄个压缩包或者上传到gitee

songjing 发表于 2022-2-21 09:53

dingfeifei 发表于 2022-2-21 09:27
能给个完整的项目源码吗 ,

https://gitee.com/wanghongzhan/jsoup.git

gitee地址

dingfeifei 发表于 2022-2-21 10:25

songjing 发表于 2022-2-21 09:53
https://gitee.com/wanghongzhan/jsoup.git

gitee地址

好的 感谢 ,我参考一下。

angel_bai 发表于 2022-2-24 08:53

感谢分享
页: [1]
查看完整版本: springboot jsoup爬取全国地区(只到市级)保存到MySQL