----------------------疯狂软件java培训分享---------------------
自己没搜索引擎，又想要大规模的数据源，怎么办?可以对百度搜索和谷歌搜索善加利用，以小搏大，站在巨人的肩膀上。有很多的应用场景可以很巧妙地借助百度搜索和谷歌搜索来实现，比如网站的新闻采集，比如技术、品牌的新闻跟踪，比如知识库的收集，比如人机问答系统等，我之前做的一个准确率达百分之九十几的人机问答系统的数据源，其中一部分就是充分利用了百度搜索和谷歌搜索。在此演示的技术的基础上，可以容易地扩展到其他的搜索引擎，可以借鉴使用的NekoHTML+XPath技术，轻松获取页面的自定义的内容。
Java代码
package org.apdplat.demo.search;
import java.io.IOException;
import java.io.InputStream;
import java.io.UnsupportedEncodingException;
import java.net.URLEncoder;
import java.util.ArrayList;
import java.util.List;
import org.apache.commons.httpclient.DefaultHttpMethodRetryHandler;
import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.HttpStatus;
import org.apache.commons.httpclient.methods.GetMethod;
import org.apache.commons.httpclient.params.HttpMethodParams;
import org.json.JSONArray;
import org.json.JSONException;
import org.json.JSONObject;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
public class GoogleSearcher {
private static final Logger LOG = LoggerFactory.getLogger
(GoogleSearcher.class);
public static List searchGoogle(String url) {
List webpages = new ArrayList<>();
try {
HttpClient httpClient = new HttpClient();
GetMethod getMethod = new GetMethod(url);
httpClient.executeMethod(getMethod);
getMethod.getParams().setParameter(HttpMethodParams.RETRY_HANDLER,
new DefaultHttpMethodRetryHandler());
int statusCode = httpClient.executeMethod(getMethod);
if (statusCode != HttpStatus.SC_OK) {
LOG.error("搜索失败: " + getMethod.getStatusLine());
return null;
}
InputStream in = getMethod.getResponseBodyAsStream();
byte[] responseBody = Tools.readAll(in);
String response = new String(responseBody, "UTF-8");
LOG.debug("搜索返回数据：" + response);
JSONObject json = new JSONObject(response);
String totalResult = json.getJSONObject
("responseData").getJSONObject("cursor").getString("estimatedResultCount");
int totalResultCount = Integer.parseInt(totalResult);
LOG.info("搜索返回记录数： " + totalResultCount);
JSONArray results = json.getJSONObject
("responseData").getJSONArray("results");
LOG.debug("搜索结果:");
for (int i = 0; i < results.length(); i++) {
Webpage webpage = new Webpage();
JSONObject result = results.getJSONObject(i);
//提取标题
String title = result.getString("titleNoFormatting");
LOG.debug("标题：" + title);
webpage.setTitle(title);
//提取摘要
String summary = result.get("content").toString();
summary = summary.replaceAll("", "");
summary = summary.replaceAll("", "");
summary = summary.replaceAll("...", "");
LOG.debug("摘要：" + summary);
webpage.setSummary(summary);
//从URL中提取正文
String _url = result.get("url").toString();
webpage.setUrl(_url);
String content = Tools.getHTMLContent(_url);
LOG.debug("正文：" + content);
webpage.setContent(content);
webpages.add(webpage);
}
} catch (IOException | JSONException | NumberFormatException e) {
LOG.error("执行搜索失败：", e);
}
return webpages;
}
public static void main(String args[]) {
String query = "杨尚川";
try {
query = URLEncoder.encode(query, "UTF-8");
} catch (UnsupportedEncodingException e) {
LOG.error("url构造失败", e);
return;
}
String url = "http://ajax.googleapis.com/ajax/services/search/web?
start=0&rsz=large&v=1.0&q=" + query;
List webpages = searchGoogle(url);
if (webpages != null) {
int i = 1;
for (Webpage webpage : webpages) {
LOG.info("搜索结果 " + (i++) + " ：");
LOG.info("标题：" + webpage.getTitle());
LOG.info("URL：" + webpage.getUrl());
LOG.info("摘要：" + webpage.getSummary());
LOG.info("正文：" + webpage.getContent());
LOG.info("");
}
} else {
LOG.error("没有搜索到结果");
}
}
}
疯狂软件java培训、ios培训新年钜惠，报名Java就业班免费赠送java基础班，报名iOS就业班免费赠送iOS基础班，本月火速抢座中，为回报广大新老学员，值此新年之际推出报读就业班赠送基础班的活动
-----------------------------------2014年初活动--------------------------------------
疯狂软件Java学习班方向：
1.报读JavaEE就业班赠送基础班课程。
2.开班一次性(一个月内)交清JavaEE就业班学费，赠送基础班全套课程。
疯狂软件iOS学习班方向：
1.报读iOS应用+手游就业班赠送iOS基础班课程。
2.开班一次性(一个月内)交清iOS应用+手游就业班就业班学费，赠送基础班全套课程。