本文已参与「新人创作礼」活动,一起开启掘金创作之路。
【资源链接】
提取码:6psl
【包含文件】
1.说明
当前项目需要用到商品分类数据,在网上查了淘宝和京东的首页,京东 www.jd.com/allSort.asp… 的数据更容易获取。
2.实现
2.1 建表语句
项目用的是GreenPlum
数据库,其他类型的数据库建表小伙伴儿们自己动手啊 :smile:
-- 建表
CREATE TABLE "data_commodity_classification" (
"id" VARCHAR ( 32 ),
"parent_id" VARCHAR ( 32 ),
"level" int2,
"name" VARCHAR ( 64 ),
"merger_name" VARCHAR ( 255 )
);
-- 注释
COMMENT ON TABLE "data_commodity_classification" IS '3级商品分类数据表';
COMMENT ON COLUMN "data_commodity_classification"."level" IS '类别等级';
COMMENT ON COLUMN "data_commodity_classification"."name" IS '商品分类';
COMMENT ON COLUMN "data_commodity_classification"."merger_name" IS '商品类别组合名';
复制代码
2.2 Jar包依赖
jsoup
是必须的,项目使用了mybatis-plus
在保存对象时可以调用.saveBatch()
方法,不是必须的。
<!--不用纠结于版本-->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.10.2</version>
</dependency>
<!--不是必须的-->
<dependency>
<groupId>com.baomidou</groupId>
<artifactId>mybatis-plus-boot-starter</artifactId>
<version>3.3.0</version>
</dependency>
复制代码
2.3 对象封装
用了lombok
为的是在构建对象时用builder
来简化代码:
@Data
@EqualsAndHashCode(callSuper = false)
@Accessors(chain = true)
@ApiModel(value="DataCommodityClassification对象", description="")
@Builder
public class DataCommodityClassification implements Serializable {
private static final long serialVersionUID=1L;
private String id;
private String parentId;
@ApiModelProperty(value = "类别等级")
private Integer level;
@ApiModelProperty(value = "商品分类")
private String name;
@ApiModelProperty(value = "商品类别组合名")
private String mergerName;
}
复制代码
2.4 爬虫源代码
html 页面标签:
数据获取逻辑:清除历史数据 >
爬取最新数据并封装 >
保存最新数据。
public boolean getCommodityClassificationData() throws IOException {
// 首先清除历史数据
LambdaQueryWrapper<DataCommodityClassification> lambdaQuery = Wrappers.lambdaQuery(DataCommodityClassification.class);
dataCommodityClassificationService.remove(lambdaQuery);
// 处理树结构ID【随手就写了 不知道有没有更好的方法】
AtomicInteger atomicIntegerOne = new AtomicInteger();
AtomicInteger atomicIntegerTwo = new AtomicInteger();
AtomicInteger atomicIntegerThree = new AtomicInteger();
// 结果数据
List<DataCommodityClassification> dataCommodityClassificationList = new ArrayList<>();
// ************* 以下是爬虫代码 *************
// 地址信息
String url = "https://www.jd.com/allSort.aspx";
Document document = Jsoup.parse(new URL(url), 300000);
// 获取包含所有分类数据的根元素
Element root = document.getElementsByClass("category-items clearfix").get(0);
// 获取一级分类标签数据
Elements levelOne = root.getElementsByClass("category-item m");
levelOne.forEach(one -> {
String levelOneData = one.getElementsByClass("item-title").get(0).child(2).text();
String oneId = "" + atomicIntegerOne.getAndIncrement();
dataCommodityClassificationList.add(DataCommodityClassification.builder().id(oneId).parentId(null).level(0).name(levelOneData).build());
// 获取二级分类标签数据
Elements levelTwo = one.getElementsByClass("items").get(0).getElementsByTag("dl");
levelTwo.forEach(two -> {
String levelTwoData = two.getElementsByTag("dt").text();
String twoId = oneId + atomicIntegerTwo.getAndIncrement();
String mergerNameTwo = levelOneData + "," + levelTwoData;
dataCommodityClassificationList.add(DataCommodityClassification.builder().id(twoId).parentId(oneId).level(1).name(levelTwoData).mergerName(mergerNameTwo).build());
// 获取三级级分类标签数据
Elements levelThree = two.getElementsByTag("dd").get(0).children();
levelThree.forEach(three -> {
// 获取三级分类信息
String levelThreeData = three.text();
String threeId = twoId + atomicIntegerThree.getAndIncrement();
String mergerNameThree = mergerNameTwo + "," + levelThreeData;
dataCommodityClassificationList.add(DataCommodityClassification.builder().id(threeId).parentId(twoId).level(2).name(levelThreeData).mergerName(mergerNameThree).build());
});
});
});
// 保存最新数据
boolean isSaveSuccess = dataCommodityClassificationService.saveBatch(dataCommodityClassificationList);
return isSaveSuccess;
}
复制代码
3.结果
一级分类的parent_id
和merger_name
没有进行处理,不知道在业务使用的过程中有没有问题。
提供了csv和sql格式的数据,爬取日期是20220310
,需要最新数据的话就需要小伙伴儿们运行爬虫代码获取了。