如何刮从网页中的图片？

Question

我曾经到的HtmlUnit从网页刮图像。我在初学的HtmlUnit。我编码，但不知道如何去获取图片。下面是我的代码。

import java.io.*;
import java.net.URL;
import com.gargoylesoftware.htmlunit.BrowserVersion;
import com.gargoylesoftware.htmlunit.WebClient;
import com.gargoylesoftware.htmlunit.html.HtmlPage;

public class urlscrap {

    public static void main(String[] args) throws Exception 
    {

        //WebClient webClient = new WebClient(Opera);
        WebClient webClient = new WebClient();
        HtmlPage currentPage = (HtmlPage) webClient.getPage(new URL("http://www.google.com"));

        System.out.println(currentPage.asText());
        //webClient.closeAllWindows();      

    }
}

Answer 1

这是否为您工作？

import java.net.URL;
import java.util.List;

import com.gargoylesoftware.htmlunit.WebClient;
import com.gargoylesoftware.htmlunit.html.HtmlImage;
import com.gargoylesoftware.htmlunit.html.HtmlPage;

public class urlscrap {

    public static void main(String[] args) throws Exception 
    {

        //WebClient webClient = new WebClient(Opera);
        WebClient webClient = new WebClient();
        HtmlPage currentPage = (HtmlPage) webClient.getPage(new URL("http://www.google.com"));
      //get list of all divs
        final List<?> images = currentPage.getByXPath("//img");
        for (Object imageObject : images) {
            HtmlImage image = (HtmlImage) imageObject;
            System.out.println(image.getSrcAttribute());
        }
        //webClient.closeAllWindows();      
    }
}

Answer 2

看起来你得到的页面，这确实是第一步的文本。你有什么问题？你有找到页面中引用的所有图像有问题吗？我建议找了怎么办DOM在Java中解析，并用它来提取网页上的所有img标签。

Answer 3

如果你不介意切换语言，那么我会建议Python的scrapy。这是迄今为止我已经用刮网页内容，包括图片（它甚至可以自动为你创建缩略图）的最佳框架。就个人而言，我不会使用Java这样的任务。