跟朋友聊天总会用到大量表情包，有些人甚至专门收集各种各样的表情包，看看谁能打败谁。今天我就用java爬取了一个斗图网站上的所有表情包，用来充实自己的表情包库。代码逻辑有可能并不完美，哈哈，也花了我几个小时才完成呢。
下载完所有图片，总共有225M.思路：主要通过解析页面的源代码来获取图片的URL地址，然后通过图片地址下载图片到本地，所以要学会使用浏览器进行分析。
- 所用jar包：
jsoup-1.8.1.jar - 网站首页：
https://doutushe.com/portal/index/index/p/1 - 浏览器：
Chrome
1，获取网页源代码
/*** 获取网页源代码* @author Augustu* @param url 网页地址* @param encoding 网页编码* @return 网页源代码*/public static String getUrlResource(String url,String encoding) {//网页源代码，用String这个容器记录String htmlResource = "";//记录读取网页的每一行数据String temp = null;try {//1,找到网站地址URL theUrl = new URL(url);//2，建立起与网站的连接URLConnection urlConnection = theUrl.openConnection();//3,创建输入流，此处读取的是网页的源代码InputStreamReader isr = new InputStreamReader(urlConnection.getInputStream(),encoding);//4，对输入流进行缓冲，加快读取速度BufferedReader reader = new BufferedReader(isr);//5，一行一行读取源代码，存到htmlResource中while((temp = reader.readLine()) != null) {htmlResource += temp;}} catch (IOException e) {e.printStackTrace();}return htmlResource;}2，获取页面所有组图片的UrL地址
/*** 获取页面所有组图片的UrL地址* @author Augustu* @param context 每个页面的urL* @return 获取页面所有组图片的UrL地址*/public static String findPictureUrl(String context) {String temp = "";//暂时存储得到的每个urlString pictureUrl = "";//得到所有URL//1，Jsoup将读取的网页源代码解析为Html文档，便可以使用Jsoup的方法操作html元素了，就像javascript一样Document document = Jsoup.parse(context);//2，观察网页源代码，发现每组图片都连接到了另一个URL地址，这个a标签的class为“link-2”Elements groupUrl = document.getElementsByClass("link-2");//3,遍历每个a标签，得到hreffor(Element ele: groupUrl) {//此处我发现每次Url都输出两次，也没找到原因，就用此方法先解决他if(ele.attr("href") == temp) {continue;}temp = ele.attr("href");//4，将所有URL存入String中，并使用空格分开，便于后面分割//本来我使用“|”分隔开来，分割的结果竟然是每个字符都分开了pictureUrl += "https://doutushe.com"+ele.attr("href")+" ";}return pictureUrl;}3，下载单张图片
/*** 下载单张图片* @param picturl 图片地址* @param filePath 下载路径* @param fileName 下载名*/public static void downPicture(String picturl,String filePath,String fileName) {FileOutputStream fos = null;//输出文件流BufferedOutputStream bos = null;//缓冲输出File file = null;//创建文件对象File dir = new File(filePath);//创建文件保存目录Connection.Response response;try {//1，Jsoup连接地址，得到响应流，ignoreContentType表示忽略网页类型，如果不加会报错（默认只支持文本），因为我们页面是图片response = Jsoup.connect(picturl).ignoreContentType(true).execute();//2,将页面内容按字节输出byte[] img = response.bodyAsBytes();//3，写入本地文件中//判断文件目录是否存在,if(!dir.exists() ){dir.mkdir();//创建文件夹}file = new File(filePath+"\\"+fileName);//创建文件fos = new FileOutputStream(file);bos = new BufferedOutputStream(fos);bos.write(img);//写入本地} catch (IOException e) {e.printStackTrace();}finally{//4,释放资源if(bos!=null){try {bos.close();} catch (IOException e) {e.printStackTrace();}}if(fos!=null){try {fos.close();} catch (IOException e) {e.printStackTrace();}}}}4，下载所有图片
/*** 下载所有图片* @author Augustu* @param pictureUrl 每组图片url*/public static void downallPicture(String pictureUrl,String downLoadPath) {String picturl = "";String pictureName ="";//String[] pictureUrlArry = pictureUrl.split(" ");//图片组的urlfor(int i=0;i<pictureUrlArry.length;i++) {//遍历得到每组图片的urlString pictureHtml = getUrlResource(pictureUrlArry[i],"utf-8");Document document = Jsoup.parse(pictureHtml);//得到该组图片的分类名称String dir = document.getElementsByTag("blockquote").first().child(0).text();//该标签包含所有图片urlElements elements = document.getElementsByClass("lazy");for(Element ele: elements) {//得到每张图片urlpicturl = ele.attr("data-original");//观察源代码，发现获取的图片地址多了/themes/doutushe/Public/assets/images/doutushe-erweima.jpg，将其删除if(picturl.equals("/themes/doutushe/Public/assets/images/doutushe-erweima.jpg")) {continue;}//得到每张图片的名字，别忘了加后缀pictureName = ele.attr("title")+".gif";//下载该图片downPicture(picturl,downLoadPath+"\\"+dir,pictureName);}}}5，主函数运行代码
public static void main(String[] args) {String context = "";//观察源代码，发现共有28个页面for(int i=1;i<=28;i++) {//获取每个页面context = getUrlResource("https://doutushe.com/portal/index/index/p/"+i+"","utf-8");//获取该页面所有组图片的urlString pictureUrl = findPictureUrl(context);downallPicture(pictureUrl,"E:\\image\\表情包");}}
