当前位置：首页 > news >正文

Java爬虫实战指南：按关键字搜索京东商品

news 来源：原创 2025/6/30 7:25:28

在电商领域，快速获取商品信息对于市场分析、选品上架、库存管理和价格策略制定等方面至关重要。京东作为国内领先的电商平台之一，提供了丰富的商品数据。虽然京东开放平台提供了官方API来获取商品信息，但有时使用爬虫技术来抓取数据也是一种有效的手段。本文将介绍如何利用Java按关键字搜索京东商品，并提供详细的代码示例。

一、准备工作

（一）Java开发环境

确保你的Java开发环境已经安装了以下必要的库：

Jsoup：用于解析HTML页面。
HttpClient：用于发送HTTP请求。

可以通过Maven来管理这些依赖，在你的pom.xml文件中添加以下依赖：

xml

<dependencies><dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.13.1</version></dependency><dependency><groupId>org.apache.httpcomponents</groupId><artifactId>httpclient</artifactId><version>4.5.13</version></dependency>
</dependencies>

（二）目标网站分析

在开始爬虫之前，需要对目标网站（京东商品搜索结果页）进行分析，了解页面结构和数据存储方式。打开浏览器的开发者工具（F12），查看商品搜索结果页的HTML结构，确定需要提取的数据字段，如商品标题、价格、描述、销量等。

二、代码实现

（一）发送HTTP请求

使用HttpClient发送GET请求，获取商品页面的HTML内容。

java

import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;public class HttpUtil {public static String sendGetRequest(String url) {try (CloseableHttpClient httpClient = HttpClients.createDefault()) {HttpGet httpGet = new HttpGet(url);httpGet.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3");return EntityUtils.toString(httpClient.execute(httpGet).getEntity());} catch (Exception e) {e.printStackTrace();}return null;}
}

（二）解析HTML内容

使用Jsoup解析HTML内容，提取商品信息。

java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;public class JsoupUtil {public static void parseProductDetails(String html) {Document doc = Jsoup.parse(html);Elements products = doc.select(".gl-item");for (Element product : products) {String title = product.select("div.p-name").text();String price = product.select("div.p-price").text();String link = product.select("a").attr("href");System.out.println("商品名称: " + title);System.out.println("商品价格: " + price);System.out.println("商品链接: " + link);System.out.println("------------------------");}}
}

（三）按关键字搜索商品

根据关键字构建搜索URL，并获取多页搜索结果的HTML内容。

java

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;public class JDProductSearch {public static List<Product> searchProducts(String keyword, int maxPages) {List<Product> allProducts = new ArrayList<>();String baseUrl = "https://search.jd.com/Search?keyword=" + keyword + "&enc=utf-8&wq=" + keyword;for (int page = 1; page <= maxPages; page++) {String url = baseUrl + "&page=" + page;try {Document doc = JDProductCrawler.getHtml(url);List<Product> products = JDProductParser.parseHtml(doc);allProducts.addAll(products);Thread.sleep(2000); // 避免请求过于频繁} catch (IOException | InterruptedException e) {e.printStackTrace();}}return allProducts;}
}

（四）整合代码

将上述功能整合到主程序中，实现完整的爬虫程序。

java

import java.util.List;public class Main {public static void main(String[] args) {String keyword = "耳机";int maxPages = 3;List<Product> products = JDProductSearch.searchProducts(keyword, maxPages);for (Product product : products) {System.out.println(product);}}
}

（五）Product 类

定义一个简单的Product类来存储商品信息。

java

public class Product {private String title;private String img;private String price;private String shop;public Product(String title, String img, String price, String shop) {this.title = title;this.img = img;this.price = price;this.shop = shop;}@Overridepublic String toString() {return "Product{" +"title='" + title + '\'' +", img='" + img + '\'' +", price='" + price + '\'' +", shop='" + shop + '\'' +'}';}
}