java/W11/README.md

CrawlerProject - Java爬虫项目

一个基于Java的爬虫项目，包含豆瓣电影Top250、网易云音乐热搜、北京天气预报三个模块。

项目结构

CrawlerProject/
├── pom.xml                          # Maven配置文件
├── README.md                        # 项目说明
├── output/                          # 输出目录（运行时自动创建）
│   ├── douban_top250.csv            # 豆瓣电影数据
│   ├── netease_top150.csv           # 网易云音乐数据
│   └── beijing_weather_30days.csv   # 北京天气数据
└── src/main/
    ├── java/com/crawler/
    │   ├── common/                  # 公共工具类
    │   │   ├── AnsiColorUtil.java   # ANSI颜色码管理
    │   │   ├── BaseCommand.java     # 命令抽象类
    │   │   ├── BaseCrawler.java     # 爬虫抽象类
    │   │   ├── Command.java         # 命令接口
    │   │   ├── ConsoleView.java     # 统一输出类
    │   │   ├── CsvUtil.java         # CSV读写工具
    │   │   ├── LoggerUtil.java      # 日志工具类
    │   │   └── MainController.java  # 主控制器
    │   ├── douban/                  # 豆瓣模块
    │   ├── netease/                 # 网易云模块
    │   └── weather/                 # 天气模块
    └── resources/
        └── logback.xml              # 日志配置

技术栈

• Java 11
• Maven 3.8+
• Jsoup 1.17.2 - HTML解析
• OpenCSV 5.9 - CSV处理
• SLF4J + Logback - 日志框架

运行方式

方式一：使用Maven运行

cd CrawlerProject
mvn clean compile
mvn exec:java

方式二：打包后运行

cd CrawlerProject
mvn clean package
java -jar target/CrawlerProject-1.0.0.jar

使用说明

运行后会显示主菜单：

========== 爬虫系统 ==========
1. 豆瓣电影Top250
2. 网易云音乐热搜
3. 北京天气预报
0. 退出
请选择：

豆瓣电影Top250模块

进入模块后支持以下命令：

• help - 显示帮助信息
• list - 列出已爬取的电影
• crawl - 爬取豆瓣电影Top250数据
• exit - 退出模块

网易云音乐热搜模块

进入模块后支持以下命令：

• help - 显示帮助信息
• list - 列出已爬取的歌曲
• crawl - 爬取网易云音乐热搜数据
• exit - 退出模块

注意：网易云反爬严格，如无法获取真实数据将使用模拟数据。

北京天气预报模块

进入模块后支持以下命令：

• help - 显示帮助信息
• list - 列出已爬取的天气数据
• crawl - 爬取北京30天天气预报
• exit - 退出模块

API配置：如需获取真实天气数据，请在 WeatherCrawler.java 中配置和风天气API Key：

private static final String QWEATHER_API_KEY = "YOUR_API_KEY";

注册地址：https://devapi.qweather.com/

输出文件

• output/douban_top250.csv - 豆瓣电影Top250数据
• output/netease_top150.csv - 网易云音乐热搜榜数据
• output/beijing_weather_30days.csv - 北京30天天气预报数据

注意事项

1. 网络请求：爬虫会访问外部网站，请确保网络连接正常
2. 反爬机制：部分网站有反爬机制，爬取时会有随机延迟
3. 数据保存：所有爬取数据会自动保存到CSV文件
4. 模拟数据：当无法获取真实数据时，会使用模拟数据展示

代码规范

• 所有输出均通过 ConsoleView 类，禁止直接调用 System.out
• ANSI颜色码统一在 AnsiColorUtil 类中定义
• 每个模块包含完整的MVC结构
• 使用命令模式实现模块功能

许可证

MIT License