Java爬虫之爬取多篇含有关键词的文章标题和内容

实现的功能

该代码针对维科网写的爬虫，具体如果想写其它的可以照着这篇模仿来写！

输入想要搜索的关键字和输入关键字后的前几页页数（即输入关键字后跳转的网页的页数，如下图）

将包含关键字的文章标题和内容提取出来保存在一个txt文件里面（如下图，输入关键词为智能，前2页）

需要用到的jar包

获取文章信息需要的包：Jsoup；
可以到https://jsoup.org/download下载，如果就想着爬虫，选择第一个就够了。

需要对html一些标签有一定的了解

可以到w3cschool了解html相关知识；
打开维科闻网站输入关键词后，按F12开发者工具，或者右键点击查看源，就可以看到网页的源代码。

代码设计思想

有心者应该知道我用python写过这个爬虫（python爬虫之爬取多篇含有关键词的文章标题和内容），两者有着异曲同工之妙。
1.每个网页通过Jsoup.connect(url).get请求获得网页源代码，再通过getElementsByClass()或者select()等来对源代码进行提取信息；
2.先观察每次输入关键字之后网址的变化，如我输入高新，可以发现关键字在keywords=里面，那这样可以用input后，将关键字字符串和前面的网址连接起来。


3.观察每一页的网址变化，如第三页，可以发现页数是存在pagenum=里面的（第一页可能忽略了，你可以尝试的输入http://www.ofweek.com/newquery.action?keywords=高新&pagenum=1，发现会跳转第一页），这样就可以将页数和前面2拼接后的网址再拼接起来。

4.接下来就是看搜索关键词后网页的源代码（F12），可以发现每个文章都是在类名为zx-tl的div块标签里面，就可以通过select(“div.zx-tl”)提取出里面的文章的标题和链接，也可以用getElementsByClass(“zx-tl”)；

5.再将每页文章的链接访问一遍，提取出文章的内容，而再次打开每篇文章的链接，发现文章的内容都是在类名为artical-content的div块里面，通过select(“div.artical-content”)把文章的内容提取出来，也可以用getElementsByClass(“artical-content”)提取。

6.把文章的内容和标题写入txt文件。

源代码

package test;
import java.io.*;
import java