吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 2454|回复: 7
收起左侧

[Java 转载] springboot jsoup爬取全国地区(只到市级)保存到MySQL

[复制链接]
songjing 发表于 2022-2-19 18:08
本帖最后由 songjing 于 2022-2-21 09:53 编辑

[md][md][md][md]所用到技术

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

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
java实现调用百度接口将大量数据库中保存的地址转换为经纬度

参考链接1
参考链接2


# **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

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

Le_bonheur 发表于 2022-2-20 18:26
感谢大佬的分享
 楼主| songjing 发表于 2022-2-21 09:01
dingfeifei 发表于 2022-2-21 09:27
 楼主| 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
 楼主| 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
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-25 07:31

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表