如何用Java爬虫爬取天猫、淘宝和京东等页面的商品详情？这篇文章运用了实例代码展示，代码非常详细，可供感兴趣的小伙伴们参考借鉴，希望对大家有所帮助。

<!-- 爬虫相关Jar包依赖 --> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-ooxml</artifactId> <version>3.10-FINAL</version> </dependency> <dependency> <groupId>org.apache.httpcomponents</groupId> <artifactId>httpclient</artifactId> <version>4.5.3</version> </dependency> <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.11.3</version> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <scope>provided</scope> </dependency>2.封装返回类型和常量

引入lombok 注入@Data 来避免写get set toString等重复代码

package java1024.xyz.vo;

import lombok.Data;

/**

@date 2020/1/3*/
@Data
br/>*/
@Data<br/public class Product implements Serializable {

private Long id;

private Long number;

private Float price;

private Integer userId;

private String url;

private Integer platformId;

private String title;

private String describe;

private Integer status;

@JsonFormat( pattern="yyyy-MM-dd HH:mm:ss")
private Timestamp createdAt;

private Timestamp updatedAt;

}

## 3.前期工作做好后开始封装 识别url工具 UrlUtils.java

/**

@date 2020/1/3
*/
public class UrlUtils {

public static UrlData analyseUrl(String url) {

UrlData urlData = new UrlData();try { // 判空 if (StringUtils.isEmpty(url)) { urlData.setStatus(0); return urlData; } //天猫 if (url.contains(UrlConst.tmallUrlSign)) { urlData.setPlatform(UrlConst.tmallUrlSign); String numberStr = ""; /** * 切分根路径 和 参数 如： * https://detail.tmall.com/item.htm?spm=a220m.1000858.1000725.8.27832a99AfoD5W&id=604433373792 * 在 ？问号的地方切成两部分 * */ String[] roudAndParams = url.split("\\?"); if (roudAndParams.length < 2) { urlData.setStatus(0); return urlData; } /** * 获取 参数字符串，通过&切开多个参数，提取以 id=开头的即 商品id */ String paramStr = roudAndParams[1]; String[] params = paramStr.split("&"); for (int i = 0;i < params.length; i++) { if (params[i].startsWith("id=")) { numberStr = params[i].split("id=")[1]; break; } } if (StringUtils.isEmpty(numberStr)) { urlData.setStatus(0); return urlData; } Long number = new Long(numberStr); urlData.setStatus(1); urlData.setNumber(number); return urlData; } //淘宝 else if (url.contains(UrlConst.taobaoUrlSign)) { urlData.setPlatform(UrlConst.taobaoUrlSign); String numberStr = ""; /** * 切分根路径 和 参数 如： * https://detail.tmall.com/item.htm?spm=a220m.1000858.1000725.8.27832a99AfoD5W&id=604433373792 * 在 ？问号的地方切成两部分 * */ String[] roudAndParams = url.split("\\?"); if (roudAndParams.length < 2) { urlData.setStatus(0); return urlData; } /** * 获取 参数字符串，通过&切开多个参数，提取以 id=开头的即 商品id */ String paramStr = roudAndParams[1]; String[] params = paramStr.split("&"); for (int i = 0;i < params.length; i++) { if (params[i].startsWith("id=")) { numberStr = params[i].split("id=")[1]; break; } } if (StringUtils.isEmpty(numberStr)) { urlData.setStatus(0); return urlData; } Long number = new Long(numberStr); urlData.setStatus(1); urlData.setNumber(number); return urlData; } //其他 else if (url.contains(UrlConst.jingdongUrlSign)) { urlData.setPlatform(UrlConst.jingdongUrlSign); String numberStr = ""; String[] roudAndParams = url.split("jd\\.com/"); if (roudAndParams.length < 2) { urlData.setStatus(0); return urlData; } String paramStr = roudAndParams[1]; String[] params = paramStr.split(".html"); numberStr = params[0]; if (StringUtils.isEmpty(numberStr)) { urlData.setStatus(0); return urlData; } Long number = new Long(numberStr); urlData.setStatus(1); urlData.setNumber(number); return urlData; } else { urlData.setStatus(0); return urlData; }}catch (Exception e) { e.printStackTrace(); urlData.setStatus(0); return urlData;}

}

public static void main(String[] args) {

String tmallUrl = "https://detail.tmall.com/item.htm?spm=a220m.1000858.1000725.8.27832a99AfoD5W&id=604433373792&skuId=4233630160968&user_id=1776477331&cat_id=2&is_b=1&rn=2eff85a6a504024ee62222a0045d9ded";UrlData tmall = analyseUrl(tmallUrl);System.out.println("tmall = " + tmall);String taobaoUrl = "https://s.taobao.com/search?spm=a230r.1.14.7.ade0695abTrJ6k&type=samestyle&app=i2i&rec_type=1&uniqpid=69915374&nid=604733501729";UrlData taobao = analyseUrl(taobaoUrl);System.out.println("taobao = " + taobao);String jdUrl = "https://item.jd.com/100004250098.html#none";UrlData jd = analyseUrl(jdUrl);System.out.println("jd = " + jd);

}

}

## 4.爬取天猫方法> Java 爬虫说明：创建HttpClient，设置请求头，执行请求，解析相应！具体代码也有相应的解析

public Product soupTmallDetailById(Long number) {

try { // 需要爬取商品信息的网站地址 String url = "https://chaoshi.detail.tmall.com/item.htm?id=" + number; // 动态模拟请求数据 CloseableHttpClient httpclient = HttpClients.createDefault(); HttpGet httpGet = new HttpGet(url); // 模拟浏览器浏览（user-agent的值可以通过浏览器浏览，查看发出请求的头文件获取） httpGet.setHeader("user-agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36"); CloseableHttpResponse response = httpclient.execute(httpGet); // 获取响应状态码 int statusCode = response.getStatusLine().getStatusCode(); try { HttpEntity entity = response.getEntity(); // 如果状态响应码为200，则获取html实体内容或者json文件 if (statusCode == 200) { String html = EntityUtils.toString(entity, Consts.UTF_8); // 提取HTML得到商品信息结果 Document doc = null; // doc获取整个页面的所有数据 doc = Jsoup.parse(html); //输出doc可以看到所获取到的页面源代码 //System.out.println(doc); // 通过浏览器查看商品页面的源代码，找到信息所在的div标签，再对其进行一步一步地解析 Element item = doc.select("div[class='tb-wrap']").get(0); //Elements liList = ulList.select("div[class='product']"); // 循环liList的数据（具体获取的数据值还得看doc的页面源代码来获取，可能稍有变动） //System.out.println("item = " + item); Product product = new Product(); //for (Element item : ulList) { // 商品ID try { product.setNumber(number); product.setPlatformId(1); //String id = item.select("div[class='tb-detail-hd']").select("h2").attr("data-spm"); String title = item.select("div[class='tb-detail-hd']").select("h2").text(); product.setTitle(title); product.setUrl(UrlConst.TMALL_PRODUCT_DETAIL+number); System.out.println("商品title：" + title); //String priceStr = item.select("div[class='tm-price-panel']").select("div[class='tm-promo-type']").select("span[class='tm-price']").text(); return product; }catch (Exception e) { product.setId(0L); product.setTitle("商品不存在"); return product; } // } } }catch (Exception e) { e.printStackTrace(); Product product = new Product(); product.setId(0L); product.setTitle("商品不存在"); return product; } }catch (Exception e) { e.printStackTrace(); } return null;}

## 5.爬取京东商品详情方法

public Product soupTaobaoDetailById(Long number) {

try { // 需要爬取商品信息的网站地址 String url = "https://item.taobao.com/item.htm?id=" + number; // 动态模拟请求数据 CloseableHttpClient httpclient = HttpClients.createDefault(); HttpGet httpGet = new HttpGet(url); // 模拟浏览器浏览（user-agent的值可以通过浏览器浏览，查看发出请求的头文件获取） httpGet.setHeader("user-agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36"); CloseableHttpResponse response = httpclient.execute(httpGet); // 获取响应状态码 int statusCode = response.getStatusLine().getStatusCode(); try { HttpEntity entity = response.getEntity(); // 如果状态响应码为200，则获取html实体内容或者json文件 if (statusCode == 200) { String html = EntityUtils.toString(entity, Consts.UTF_8); // 提取HTML得到商品信息结果 Document doc = null; // doc获取整个页面的所有数据 doc = Jsoup.parse(html); //输出doc可以看到所获取到的页面源代码 //System.out.println(doc); // 通过浏览器查看商品页面的源代码，找到信息所在的div标签，再对其进行一步一步地解析 Element item = doc.select("div[class='tb-item-info-r']").get(0); //Elements liList = ulList.select("div[class='product']"); // 循环liList的数据（具体获取的数据值还得看doc的页面源代码来获取，可能稍有变动） //System.out.println("item = " + item); Product product = new Product(); //for (Element item : ulList) { // 商品ID try { product.setNumber(number); product.setPlatformId(2); //String id = item.select("div[class='tb-detail-hd']").select("h2").attr("data-spm"); String title = item.select("div[class='tb-title']").select("h4").text(); product.setTitle(title); product.setUrl(UrlConst.TAOBAO_PRODUCT_DETAIL+number); System.out.println("商品title：" + title); return product; }catch (Exception e) { product.setId(0L); product.setTitle("商品不存在"); return product; } // } } }catch (Exception e) { e.printStackTrace(); Product product = new Product(); product.setId(0L); product.setTitle("商品不存在"); return product; } }catch (Exception e) { e.printStackTrace(); } return null;}

## 6.天猫搜索功能

public List<Product> soupTaobaoByKeyWord(String keyword) {

try { String input = "毛巾"; // 需要爬取商品信息的网站地址 实际中把input改成 keyword String url = "https://list.tmall.com/search_product.htm?q=" + input; // 动态模拟请求数据 CloseableHttpClient httpclient = HttpClients.createDefault(); HttpGet httpGet = new HttpGet(url); // 模拟浏览器浏览（user-agent的值可以通过浏览器浏览，查看发出请求的头文件获取） httpGet.setHeader("user-agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36"); CloseableHttpResponse response = httpclient.execute(httpGet); // 获取响应状态码 int statusCode = response.getStatusLine().getStatusCode(); try { HttpEntity entity = response.getEntity(); // 如果状态响应码为200，则获取html实体内容或者json文件 if (statusCode == 200) { String html = EntityUtils.toString(entity, Consts.UTF_8); // 提取HTML得到商品信息结果 Document doc = null; // doc获取整个页面的所有数据 doc = Jsoup.parse(html); //输出doc可以看到所获取到的页面源代码 // System.out.println(doc); // 通过浏览器查看商品页面的源代码，找到信息所在的div标签，再对其进行一步一步地解析 Elements ulList = doc.select("div[class='view grid-nosku']"); Elements liList = ulList.select("div[class='product']"); // 循环liList的数据（具体获取的数据值还得看doc的页面源代码来获取，可能稍有变动） for (Element item : liList) { // 商品ID String id = item.select("div[class='product']").select("p[class='productStatus']").select("span[class='ww-light ww-small m_wangwang J_WangWang']").attr("data-item"); System.out.println("商品ID：" + id); // 商品名称 String name = item.select("p[class='productTitle']").select("a").attr("title"); System.out.println("商品名称：" + name); // 商品价格 String price = item.select("p[class='productPrice']").select("em").attr("title"); System.out.println("商品价格：" + price); // 商品网址 String goodsUrl = item.select("p[class='productTitle']").select("a").attr("href"); System.out.println("商品网址：" + goodsUrl); // 商品图片网址 String imgUrl = item.select("div[class='productImg-wrap']").select("a").select("img").attr("data-ks-lazyload"); System.out.println("商品图片网址：" + imgUrl); System.out.println("------------------------------------"); } // 消耗掉实体 EntityUtils.consume(response.getEntity()); } else { // 消耗掉实体 EntityUtils.consume(response.getEntity()); } } finally { response.close(); } }catch (Exception e) { e.printStackTrace(); } return null;}

关于Java爬虫的使用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。