原文地址:http://blog.csdn.net/qy20115549/article/details/52648631
目录
#多线程简介
Java多线程实现方式主要有三种：继承Thread类、实现Runnable接口、使用ExecutorService、Callable、Future实现有返回结果的多线程。其中前两种方式线程执行完后都没有返回值，只有最后一种是带返回值的。
本文所采用的方法是继承Thread类的方法，Thread本质上也是实现了Runnable接口的一个实例，它代表一个线程的实例。启动线程的唯一方法就是通过Thread类的start()实例方法。start()方法是一个native方法，它将启动一个新线程，并执行run()方法。这种方式实现多线程很简单，通过自己的类直接extend Thread，并复写run()方法，就可以启动新线程并执行自己定义的run()方法。
#多线程网络爬虫
为了加快爬虫速度，可以采用多线程网络爬虫的方法。以下我以时光网为例，写一个简单的网络爬虫。
#分析要爬的数据
如下面数据，为我爬的一些电影预告片的初始信息，存在数据库movie的这张表中。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
这里写图片描述下表是我所要爬的预告片相关的数据，包括预告片的id(prmovieId),预告片的链接(url),预告片对应的电影id(movieId),预告片的标题(title)。后面会在model框架中，你会发现，我会把这些待爬取的数据封装在MtimeModel中。
这里写图片描述
#爬虫框架
如果想了解，为什么这样写，请看我前面的介绍网络爬虫框架的文章。
这里写图片描述
#model
model里面主要写了三个，我们需要的，一个是MtimeUrl封装的是数据库movie这张表中某些数据对应的信息。
MtimeModel封装的是需要爬取数据的信息。
package org.autodata.model;
public class MtimeUrl {
private String id;
private String url;
public String getId() {
return id;
}
public void setId(String id) {
this.id = id;
}
public String getUrl() {
return url;
}
public void setUrl(String url) {
this.url = url;
}
}
package org.autodata.model;
public class MtimeModel {
private String prmovieId;
private String url;
private String movieId;
private String title;
public String getPrmovieId() {
return prmovieId;
}
public void setPrmovieId(String prmovieId) {
this.prmovieId = prmovieId;
}
public String getUrl() {
return url;
}
public void setUrl(String url) {
this.url = url;
}
public String getMovieId() {
return movieId;
}
public void setMovieId(String movieId) {
this.movieId = movieId;
}
public String getTitle() {
return title;
}
public void setTitle(String title) {
this.title = title;
}
}
package org.autodata.model;
public class JsonModel {
private String VideoID;
private String MovieID;
private String ShortTitle;
private String prmovieId;
private String url;
public String getVideoID() {
return VideoID;
}
public String getShortTitle() {
return ShortTitle;
}
public void setShortTitle(String shortTitle) {
ShortTitle = shortTitle;
}
public String getPrmovieId() {
return prmovieId;
}
public void setPrmovieId(String prmovieId) {
this.prmovieId = prmovieId;
}
public String getUrl() {
return url;
}
public void setUrl(String url) {
this.url = url;
}
public void setVideoID(String videoID) {
VideoID = videoID;
}
public String getMovieID() {
return MovieID;
}
public {
MovieID = movieID;
}
}
#MtimeThread主方法
主方法里为了方便，我直接使用的是Jsoup去请求数据，建议大家还是使用httpclient，因为有时候Jsoup是失灵的。
package org.autodata.navi.main;
import java.io.IOException;
import java.sql.SQLException;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import javax.sql.DataSource;
import org.apache.commons.dbutils.QueryRunner;
import org.apache.commons.dbutils.ResultSetHandler;
import org.apache.commons.dbutils.handlers.BeanListHandler;
import org.autodata.db.MyDataSource;
import org.autodata.model.MtimeModel;
import org.autodata.model.MtimeUrl;
import org.autodata.parse.MtimeParse;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class MtimeThread extends Thread{
public static DataSource ds = MyDataSource.getDataSource("jdbc:mysql://127.0.0.1:3306/moviedata");
public static QueryRunner qr = new QueryRunner(ds);
String Starturl = "";
String Id="";
public MtimeThread (String Starturl,String Id){
this.Starturl = Starturl;
.Id = Id;
}
{
List<MtimeModel> moviedatas= <MtimeModel>();
{
Jsoup.connect(Starturl).userAgent().timeout().get();
moviedatas =MtimeParse.getData(doc);
} (IOException e) {
e.printStackTrace();
}
(MtimeModel mt:moviedatas) {
System.out.println(+mt.getPrmovieId()++mt.getMovieId()++mt.getTitle()
++mt.getUrl());
}
{
MYSQLControl.executeUpdate(moviedatas,Id);
} (SQLException e) {
e.printStackTrace();
}
}
SQLException{
ResultSetHandler<List<MtimeUrl>> h = <MtimeUrl>(MtimeUrl.class);
List<MtimeUrl> Starturls = qr.query(, h);
Executors.newFixedThreadPool();
(MtimeUrl Start:Starturls) {
exec.execute( (Start.getUrl(),Start.getId()));
}
exec.shutdown();
}
}
package org.autodata.parse;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.autodata.model.JsonModel;
import org.autodata.model.MtimeModel;
import org.jsoup.nodes.Document;
import com.alibaba.fastjson.JSON;
public class MtimeParse {
public static List<MtimeModel> getData (Document doc) {
List<MtimeModel> mtimeData=new ArrayList<MtimeModel>();
String html=doc.html();
List<JsonModel> mtimeJsonData=new ArrayList<JsonModel>();
Pattern data1 = Pattern.compile("预告片\":(.*?)\\,(\"拍摄花絮|\"精彩片段)");
Matcher dataMatcher1 = data1.matcher(html);
String da1="";
while (dataMatcher1.find()) {
da1=dataMatcher1.group(1);
}
if (da1.length()!=0) {
List<JsonModel> jsonmodel1 = JSON.parseArray(da1,JsonModel.class);
for (JsonModel jso:jsonmodel1 ) {
JsonModel mtimeModel=new JsonModel();
String VideoID="mtime"+jso.getVideoID();
String MovieID="mtime"+jso.getMovieID();
String ShortTitle=jso.getShortTitle();
String url=+jso.getVideoID()++jso.getMovieID();
mtimeModel.setPrmovieId(VideoID);
mtimeModel.setUrl(url);
mtimeModel.setMovieID(MovieID);
mtimeModel.setShortTitle(ShortTitle);
mtimeJsonData.add(mtimeModel);
}
}
mtimeData;
}
}
package org.autodata.db;
import javax.sql.DataSource;
import org.apache.commons.dbcp2.BasicDataSource;
public class MyDataSource {
public static DataSource getDataSource(String connectURI){
BasicDataSource ds = new BasicDataSource();
ds.setDriverClassName("com.mysql.jdbc.Driver");
ds.setUsername("root");
ds.setPassword("112233");
ds.setUrl(connectURI);
return ds;
}
}
package org.autodata.db;
import java.sql.SQLException;
import java.util.List;
import javax.sql.DataSource;
import org.apache.commons.dbutils.QueryRunner;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.autodata.model.MtimeCommentModel;
import org.autodata.model.MtimeModel;
public class MYSQLControl {
static final Log logger = LogFactory.getLog(MYSQLControl.class);
static DataSource ds = MyDataSource.getDataSource("jdbc:mysql://127.0.0.1:3306/moviedata");
static QueryRunner qr = new QueryRunner(ds);
public static void executeUpdate(String sql){
try {
qr.update(sql);
} catch (SQLException e) {
logger.error(e);
}
}
public static void executeUpdate(List<MtimeModel> moviedata,String id) throws SQLException {
Object[][] params = new Object[moviedata.size()][];
( i=; i<params.length; i++ ){
params[i][] = moviedata.get(i).getPrmovieId();
params[i][] = moviedata.get(i).getMovieId();
params[i][] = moviedata.get(i).getUrl();
params[i][] = moviedata.get(i).getTitle();
}
{
qr.batch(
+ , params);
qr.update(+id+);
}( Exception e){
logger.error(e);
}
}
SQLException {
Object[][] params = [moviedata.size()][];
( i=; i<params.length; i++ ){
params[i][] = moviedata.get(i).getComm_id();
params[i][] = moviedata.get(i).getComment();
params[i][] = moviedata.get(i).getTime() ;
}
{
qr.batch(
+ +id+, params);
qr.update(+id+);
}( Exception e){
logger.error(e);
}
}
}
程序运行结果：
这里写图片描述
这里写图片描述
Java入门基础笔记-10
void
setMovieID
(String movieID)
this
public
void
run
()
new
ArrayList
try
Document
doc
=
"bbb"
120000
catch
for
"prmovieId:"
" movieId:"
" Title:"
" url:"
try
catch
public
static
void
main
(String[] args)
throws
new
BeanListHandler
"SELECT id,url FROM moviedata.movie WHERE website='时光网' and is_crawler=0"
ExecutorService
exec
=
5
for
new
MtimeThread
"http://video.mtime.com/"
"/?mid"
return
4
for
int
0
0
1
2
3
try
"insert into movieURL (prmovieId, movieId, url, title)"
"values (?,?,?,?)"
"update movie set is_crawler=1 where id='"
"'"
catch
public
static
void
executeUpdate1
(List<MtimeCommentModel> moviedata,String id)
throws
new
Object
3
for
int
0
0
1
2
try
"insert into moviecomment (comm_id, prmovieId,comment, time)"
"values (?,'"
"',?,?)"
"update movieurl set is_crawler=1 where prmovieId='"
"'"
catch
