rename
parent
c5cf05640a
commit
f08ffc34fd
|
@ -11,7 +11,7 @@ import java.lang.annotation.Target;
|
|||
*/
|
||||
@Retention(java.lang.annotation.RetentionPolicy.RUNTIME)
|
||||
@Target({ElementType.FIELD})
|
||||
public @interface Fetcher {
|
||||
public @interface ExtractBy {
|
||||
|
||||
String value();
|
||||
|
|
@ -9,13 +9,13 @@ import java.lang.reflect.Field;
|
|||
* @date: 13-8-1 <br>
|
||||
* Time: 下午9:48 <br>
|
||||
*/
|
||||
class FieldFetcher {
|
||||
class FieldExtractor {
|
||||
|
||||
private final Field field;
|
||||
|
||||
private final Selector selector;
|
||||
|
||||
FieldFetcher(Field field, Selector selector) {
|
||||
FieldExtractor(Field field, Selector selector) {
|
||||
this.field = field;
|
||||
this.selector = selector;
|
||||
}
|
|
@ -18,36 +18,36 @@ import java.util.regex.Pattern;
|
|||
*/
|
||||
public class ObjectPageProcessor implements PageProcessor {
|
||||
|
||||
private List<PageModelFetcher> pageModelFetcherList;
|
||||
private List<PageModelExtractor> pageModelExtractorList;
|
||||
|
||||
private Site site;
|
||||
|
||||
private Set<Pattern> targetUrlPatterns;
|
||||
|
||||
public static ObjectPageProcessor create(Site site, Class... clazzs) {
|
||||
List<PageModelFetcher> pageModelFetcherList = new ArrayList<PageModelFetcher>();
|
||||
List<PageModelExtractor> pageModelExtractorList = new ArrayList<PageModelExtractor>();
|
||||
for (Class clazz : clazzs) {
|
||||
PageModelFetcher pageModelFetcher = PageModelFetcher.create(clazz);
|
||||
pageModelFetcherList.add(pageModelFetcher);
|
||||
PageModelExtractor pageModelExtractor = PageModelExtractor.create(clazz);
|
||||
pageModelExtractorList.add(pageModelExtractor);
|
||||
}
|
||||
ObjectPageProcessor objectPageProcessor = new ObjectPageProcessor(site, pageModelFetcherList);
|
||||
ObjectPageProcessor objectPageProcessor = new ObjectPageProcessor(site, pageModelExtractorList);
|
||||
return objectPageProcessor;
|
||||
}
|
||||
|
||||
private ObjectPageProcessor(Site site, List<PageModelFetcher> pageModelFetcherList) {
|
||||
private ObjectPageProcessor(Site site, List<PageModelExtractor> pageModelExtractorList) {
|
||||
this.site = site;
|
||||
this.pageModelFetcherList = pageModelFetcherList;
|
||||
this.pageModelExtractorList = pageModelExtractorList;
|
||||
targetUrlPatterns = new HashSet<Pattern>();
|
||||
for (PageModelFetcher pageModelFetcher : pageModelFetcherList) {
|
||||
targetUrlPatterns.addAll(pageModelFetcher.getTargetUrlPatterns());
|
||||
for (PageModelExtractor pageModelExtractor : pageModelExtractorList) {
|
||||
targetUrlPatterns.addAll(pageModelExtractor.getTargetUrlPatterns());
|
||||
}
|
||||
}
|
||||
|
||||
@Override
|
||||
public void process(Page page) {
|
||||
for (PageModelFetcher pageModelFetcher : pageModelFetcherList) {
|
||||
Object process = pageModelFetcher.process(page);
|
||||
page.putField(pageModelFetcher.getClazz().getCanonicalName(), process);
|
||||
for (PageModelExtractor pageModelExtractor : pageModelExtractorList) {
|
||||
Object process = pageModelExtractor.process(page);
|
||||
page.putField(pageModelExtractor.getClazz().getCanonicalName(), process);
|
||||
}
|
||||
for (String link : page.getHtml().links().all()) {
|
||||
for (Pattern targetUrlPattern : targetUrlPatterns) {
|
||||
|
|
|
@ -17,30 +17,30 @@ import java.util.regex.Pattern;
|
|||
* @date: 13-8-1 <br>
|
||||
* Time: 下午9:33 <br>
|
||||
*/
|
||||
class PageModelFetcher {
|
||||
class PageModelExtractor {
|
||||
|
||||
private List<Pattern> targetUrlPatterns;
|
||||
|
||||
private Class clazz;
|
||||
|
||||
private List<FieldFetcher> fieldFetchers;
|
||||
private List<FieldExtractor> fieldExtractors;
|
||||
|
||||
public static PageModelFetcher create(Class clazz) {
|
||||
PageModelFetcher pageModelFetcher = new PageModelFetcher();
|
||||
pageModelFetcher.init(clazz);
|
||||
return pageModelFetcher;
|
||||
public static PageModelExtractor create(Class clazz) {
|
||||
PageModelExtractor pageModelExtractor = new PageModelExtractor();
|
||||
pageModelExtractor.init(clazz);
|
||||
return pageModelExtractor;
|
||||
}
|
||||
|
||||
private void init(Class clazz) {
|
||||
this.clazz = clazz;
|
||||
initTargetUrlPatterns();
|
||||
fieldFetchers = new ArrayList<FieldFetcher>();
|
||||
fieldExtractors = new ArrayList<FieldExtractor>();
|
||||
for (Field field : clazz.getDeclaredFields()) {
|
||||
field.setAccessible(true);
|
||||
Fetcher fetcher = field.getAnnotation(Fetcher.class);
|
||||
String value = fetcher.value();
|
||||
ExtractBy extractBy = field.getAnnotation(ExtractBy.class);
|
||||
String value = extractBy.value();
|
||||
Selector selector;
|
||||
switch (fetcher.type()) {
|
||||
switch (extractBy.type()) {
|
||||
case Css:
|
||||
selector = new CssSelector(value);
|
||||
break;
|
||||
|
@ -53,7 +53,7 @@ class PageModelFetcher {
|
|||
default:
|
||||
selector = new XpathSelector(value);
|
||||
}
|
||||
fieldFetchers.add(new FieldFetcher(field, selector));
|
||||
fieldExtractors.add(new FieldExtractor(field, selector));
|
||||
}
|
||||
}
|
||||
|
||||
|
@ -83,8 +83,8 @@ class PageModelFetcher {
|
|||
Object o = null;
|
||||
try {
|
||||
o = clazz.newInstance();
|
||||
for (FieldFetcher fieldFetcher : fieldFetchers) {
|
||||
fieldFetcher.getField().set(o, fieldFetcher.getSelector().select(page.getHtml().toString()));
|
||||
for (FieldExtractor fieldExtractor : fieldExtractors) {
|
||||
fieldExtractor.getField().set(o, fieldExtractor.getSelector().select(page.getHtml().toString()));
|
||||
}
|
||||
} catch (InstantiationException e) {
|
||||
e.printStackTrace();
|
|
@ -8,10 +8,10 @@ package us.codecraft.webmagic.annotation;
|
|||
@TargetUrl("http://my.oschina.net/flashsword/blog/*")
|
||||
public class Blog {
|
||||
|
||||
@Fetcher("//title")
|
||||
@ExtractBy("//title")
|
||||
private String title;
|
||||
|
||||
@Fetcher(value = "div.BlogContent",type = Fetcher.Type.Css)
|
||||
@ExtractBy(value = "div.BlogContent",type = ExtractBy.Type.Css)
|
||||
private String content;
|
||||
|
||||
@Override
|
||||
|
|
Loading…
Reference in New Issue