Jsoup抓取网页数据完成一个简易的Android新闻APP

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Jsoup抓取⽹页数据完成⼀个简易的Android新闻APP
前⾔:作为⼀个篮球迷,每天必刷NBA新闻。

⽤了那么多新闻APP,就想⾃⼰能不能也做个简易的新闻APP。

于是便使⽤Jsoup抓取了虎扑NBA新闻的数据,完成了⼀个简易的新闻APP。

虽然没什么技术含量,但还是写⼀下过程,满⾜⼀下菜鸟⼩⼩的成就感。

关于Jsoup
jsoup 是⼀款 Java 的 HTML 解析器,可直接解析某个 URL 地址、HTML ⽂本内容。

它提供了⼀套⾮常省⼒的 API,可通过 DOM,CSS 以及类似于 jQuery 的
操作⽅法来取出和操作数据。

Jsoup的中⽂⽂档:
Jsoup的jar包下载地址:
分析与思路
⽹页的新闻列表如图所⽰:
我们所要做的便是获取图中每条新闻的新闻标题、新闻概要、新闻时间与来源以及新闻的链接地址这四个信息,⽽后⽤⼀个实体类News封装上述四个数据,再布局到ListView上。

点击ListView的每个⼦项,便将该⼦项所显⽰的新闻的链接地址⽤⼀个WebView显⽰出来,便⼤功告成。

效果如图:
具体实现过程
1.在AndroidStudio新建⼯程JsoupTest,⽽后将Jsoup的jar包【】拷到项⽬的libs下,然后右键Add As Library...
2.修改activity_main.xml的布局,简单加⼊⼀个ListView,并设置⼀下Listview的每两个⼦项间的间隔的距离和颜⾊
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="/apk/res/android"
android:layout_width="match_parent"
android:layout_height="match_parent">
<ListView
android:layout_width="match_parent"
android:layout_height="match_parent"
android:id="@+id/news_lv"
android:dividerHeight="7dp"
android:divider="#dcdcdc">
</ListView>
</LinearLayout>
3.建⽴⼀个实体类News来封装我们等会要从⽹页中获取的新闻的标题、概要、时间与来源、链接地址这四个数据。

很简单,⽤四个变量分别代表上述四个数据,并建⽴相应的构造⽅法以及四个变量的get与set⽅法。

public class News {
private String newsTitle; //新闻标题
private String newsUrl; //新闻链接地址
private String desc; //新闻概要
private String newsTime; //新闻时间与来源
public News(String newsTitle, String newsUrl, String desc, String newsTime) {
this.newsTitle = newsTitle;
this.newsUrl = newsUrl;
this.desc = desc;
this.newsTime = newsTime;
}
public String getDesc() {
return desc;
}
public void setDesc(String desc) {
this.desc = desc;
}
public String getNewsTime() {
return newsTime;
}
public void setNewsTime(String newsTime) {
this.newsTime = newsTime;
}
public String getNewsTitle() {
return newsTitle;
}
public void setNewsTitle(String newsTitle) {
this.newsTitle = newsTitle;
}
public String getNewsUrl() {
return newsUrl;
}
public void setNewsUrl(String newsUrl) {
this.newsUrl = newsUrl;
}
}
4.最重要的⼀步:利⽤Jsoup获取虎扑NBA新闻⽹页的数据,并封装到News实体类中。

就简单概述下实现⽅法
查看的⽹页源代码。

⾕歌浏览器,右键-查看⽹页源代码。

其他浏览器应该都差不多。

我们直接查看显⽰新闻列表的这部分代码,我们截图下两条新闻的代码来进⾏分析
新闻1源代码:
新闻2源代码:
分析上图两条新闻的源代码,找到我们所打算要获取的新闻的标题、概要、时间与来源、链接地址这四个数据。

我们可以发现在每条新闻的[div class="list-hd"][/div]这个标签下,存在新闻的链接地址与新闻的标题这两个数据。

⽽我们所要做的便是利⽤Jsoup将这两个数据解析出来:
⾸先⽤Jsoup.connect(“所要抓取数据的⽹址”).get()获取到⼀个Document对象
Document doc = Jsoup.connect("https:///nba/").get();
⽤doc.select("div.list-hd")这个⽅法,返回⼀个Elements对象,封装了每条新闻[div class="list-hd"][/div]标签中的内容,数据格式为:[{新闻1},{新闻2},{新闻3},{新闻4}......]
⽤for循环遍历titleLinks,对于每个Element对象:
⽤e.select("a").text()便获取到[a][/a]间的内容,即新闻标题;
⽤e.select("a").attr("href")便获取到每个标签中的href的值,即新闻的链接地址
Elements titleLinks = doc.select("div.list-hd");
for(Element e:titleLinks){
String title = e.select("a").text();
String uri = e.select("a").attr("href");
}
同理对于另外两个数据:新闻简介和新闻时间及来源,我们分析源代码并进⾏解析
新闻简介源代码
⽤如下代码获得新闻简介
Elements descLinks = doc.select("div.list-content");
for(Element e:titleLinks){
String desc = e.select("span").text();
}
- 新闻时间及来源源代码
![这⾥写图⽚描述](///20170122221602676?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvU0NQcm9ncmFtbWVy/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)⽤如下代码获得新闻时间与来源
```
Elements timeLinks = doc.select("div.otherInfo");
for(Element e:timeLinks){
String time = e.select("span.other-left").select("a").text();
}
```
综上,我们就获取到了我们所需要的数据了,为此我们在MainActivity中声明⼀个getNews()⽅法,在⽅法中,我们开启⼀个线程来进⾏数据的获取。

完整代码如下:
private void getNews(){
new Thread(new Runnable() {
@Override
public void run() {
try{
//获取虎扑新闻20页的数据,⽹址格式为:https:///nba/第⼏页
for(int i = 1;i<=20;i++) {
Document doc = Jsoup.connect("https:///nba/" + Integer.toString(i)).get();
Elements titleLinks = doc.select("div.list-hd"); //解析来获取每条新闻的标题与链接地址
Elements descLinks = doc.select("div.list-content");//解析来获取每条新闻的简介
Elements timeLinks = doc.select("div.otherInfo"); //解析来获取每条新闻的时间与来源
//for循环遍历获取到每条新闻的四个数据并封装到News实体类中
for(int j = 0;j < titleLinks.size();j++){
String title = titleLinks.get(j).select("a").text();
String uri = titleLinks.get(j).select("a").attr("href");
String desc = descLinks.get(j).select("span").text();
String time = timeLinks.get(j).select("span.other-left").select("a").text();
News news = new News(title,uri,desc,time);
newsList.add(news);
}
}
Message msg = new Message();
msg.what = 1;
handler.sendMessage(msg);
}catch (Exception e){
e.printStackTrace();
}
}
}).start(); }
上⼀段代码相信通过备注就可以理解了,通过解析虎扑NBA新闻20页的每⼀页的⽹址,获取到每条新闻所需的数据,封装到实体类News中,再加⼊到MainActivity中声明的泛型为News的List即newsList中。

等全部20页数据都获取到之后,⽤Message.what=1来作为数据加载完成的标志,并⽤Handler.sendMessage()将⼦线程的消息发送到主线程,通知主线程数据已加载完成,可以将数据加载到ListView上显⽰出来。

5.剩下的就简单了,为ListView做相关的配置
news_item.xml:为ListView的item指定布局。

放置三个TextView⽤来显⽰新闻标题,新闻概要,新闻时间及来源;
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="/apk/res/android"
android:layout_width="match_parent"
android:orientation="vertical"
android:layout_height="match_parent">
<TextView
android:layout_width="match_parent"
android:layout_height="wrap_content"
android:layout_marginLeft="10dp"
android:layout_marginTop="10dp"
android:layout_marginRight="5dp"
android:layout_marginBottom="5dp"
android:id="@+id/news_title"
android:gravity="center_horizontal"
android:textColor="#000"
android:textSize="18sp"/>
<TextView
android:layout_width="match_parent"
android:layout_height="wrap_content"
android:textSize="12sp"
android:id="@+id/news_desc"
android:layout_marginBottom="6dp"
android:layout_marginLeft="10dp"
android:gravity="center_horizontal" />
<TextView
android:layout_width="match_parent"
android:layout_height="wrap_content"
android:id="@+id/news_time"
android:layout_marginBottom="6dp"
android:textSize="10sp"
android:textColor="#708090"
android:gravity="center_horizontal"
android:layout_marginRight="30dp" />
</LinearLayout>
NewsAdapter.java:为ListView加载数据
public class NewsAdapter extends BaseAdapter {
private List<News> newsList;
private View view;
private Context mContext;
private ViewHolder viewHolder;
public NewsAdapter(Context mContext, List<News> newsList) {
this.newsList = newsList;
this.mContext= mContext;
}
@Override
public int getCount() {
return newsList.size();
}
@Override
public Object getItem(int position) {
return newsList.get(position);
}
@Override
public long getItemId(int position) {
return position;
}
@Override
public View getView(int position, View convertView, ViewGroup parent) {
if (convertView == null) {
view = LayoutInflater.from(mContext).inflate(yout.news_item,
null);
viewHolder = new ViewHolder();
viewHolder.newsTitle = (TextView) view
.findViewById(R.id.news_title);
viewHolder.newsDesc = (TextView)view.findViewById(R.id.news_desc);
viewHolder.newsTime = (TextView)view.findViewById(R.id.news_time);
view.setTag(viewHolder);
} else {
view = convertView;
viewHolder = (ViewHolder) view.getTag();
}
viewHolder.newsTitle.setText(newsList.get(position).getNewsTitle());
viewHolder.newsDesc.setText(newsList.get(position).getDesc());
viewHolder.newsTime.setText("来⾃ : "+newsList.get(position).getNewsTime()); return view;
}
class ViewHolder{
TextView newsTitle;
TextView newsDesc;
TextView newsTime;
}
}
6.建⽴NewsDisplayActivity⽤于显⽰新闻的具体内容。

布局activity_display_news.xml:简单放⼊⼀个WebView,⽤于显⽰新闻<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="/apk/res/android"
android:layout_width="match_parent"
android:layout_height="match_parent">
<WebView
android:layout_width="match_parent"
android:layout_height="match_parent"
android:id="@+id/web_view"></WebView>
</LinearLayout>
NewsDisplayActivity.java
public class NewsDisplayActvivity extends AppCompatActivity {
private String newsUrl;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(yout.activity_news_display);
newsUrl = getIntent().getStringExtra("news_url");
WebView webView = (WebView) findViewById(R.id.web_view);
webView.getSettings().setJavaScriptEnabled(true);
webView.setWebViewClient(new WebViewClient());
webView.loadUrl(newsUrl);
}
}
7.MainActivity⽤getNews()获取到数据后,在handlerMessage()⽅法⾥接受到⼦线程获取完数据的消息后,开始为ListView加载数据。

并为ListView的item设置点击事件,当点击item时,将该item所对应的新闻的⽹址传递给NewsDisplayActivity,NewsDisplayActivity得到⽹址后⽤WebView加载该⽹址,便可看到新闻
public class MainActivity extends AppCompatActivity {
private List<News> newsList;
private NewsAdapter adapter;
private Handler handler;
private ListView lv;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(yout.activity_main);
newsList = new ArrayList<>();
lv = (ListView) findViewById(R.id.news_lv);
getNews();
handler = new Handler(){
@Override
public void handleMessage(Message msg) {
if(msg.what == 1){
adapter = new NewsAdapter(MainActivity.this,newsList);
lv.setAdapter(adapter);
lv.setOnItemClickListener(new AdapterView.OnItemClickListener() {
@Override
public void onItemClick(AdapterView<?> parent, View view, int position, long id) {
News news = newsList.get(position);
Intent intent = new Intent(MainActivity.this,NewsDisplayActvivity.class);
intent.putExtra("news_url",news.getNewsUrl());
startActivity(intent);
}
});
}
}
};
}
private void getNews(){
new Thread(new Runnable() {
@Override
public void run() {
try{
//获取虎扑新闻20页的数据,⽹址格式为:https:///nba/第⼏页
for(int i = 1;i<=20;i++) {
Document doc = Jsoup.connect("https:///nba/" + Integer.toString(i)).get();
Elements titleLinks = doc.select("div.list-hd"); //解析来获取每条新闻的标题与链接地址
Elements descLinks = doc.select("div.list-content");//解析来获取每条新闻的简介
Elements timeLinks = doc.select("div.otherInfo"); //解析来获取每条新闻的时间与来源
for(int j = 0;j < titleLinks.size();j++){
String title = titleLinks.get(j).select("a").text();
String uri = titleLinks.get(j).select("a").attr("href");
String desc = descLinks.get(j).select("span").text();
String time = timeLinks.get(j).select("span.other-left").select("a").text();
News news = new News(title,uri,desc,time);
newsList.add(news);
}
}
Message msg = new Message();
msg.what = 1;
handler.sendMessage(msg);
}catch (Exception e){
e.printStackTrace();
}
}
}).start();
}
}
最后记得在AndroidManifest中添加⽹络请求的权限
2017.05.19更新(Github同步更新)
由于虎扑新闻⽹页做了调整,去除了新闻简介,所以这部分内容就获取不到了,所以相应的要修改代码,只需要getNews()⽅法中做三个修改
如下图,获取新闻简介的两句代码注释掉,News构造对象时,新闻简介参数传⼊null。

这样改动较⼩,界⾯会丑点,⾃⾏调整便可。

源码下载地址:##
总结:虽然只是⼀个简单的应⽤,但还是有所收获。

有什么错误的地⽅,欢迎指出。

菜鸟的点滴积累,希望能早⽇有所成长。

相关文档
最新文档