作为一个数据控+一个有追求的技术博主,总是希望自己能知道自己博客历史每日粉丝数量、阅读量、积分、评论……的数据,然而官方博客管理后台给展示的数据太少了,只有每日访问量、评论数、粉丝数、收藏数这几个数据,而且目前最多只能看最近一个月的数据。
如果想看更久的数据、想看自己积分的变化、想看总排名 周排名的变化……
没有这些数据,我作为技术博主年底的年终总结怎么办?没有这些数据,我怎么知道自己长期是否进步了,进步速度又是什么样的? 这当然难不住一个优秀的程序猿,本着没有困难创造困难也要上的态度,我用Jsoup写了个简单的爬虫,记录了我博客2019年年底到现在每天的博客数据(除个别几天因为博客改版导致数据记录异常)。没错,这个功能已经上线大半年了,来先给大家展示下我的数据。
jsoup是一款Java的HTML解析器,可以从html中解析数想要的数据,是用java写爬虫必备的工具。
每日增量、总量数据随意切换
阅读量、粉丝量、评论数、点赞数、总排名、周排名…… 任意选取
随意选取时间区间
自从有了这个工具后,我博客一切数据尽收眼底,每天看着这数据一点点的变化,还是蛮有成就感、蛮开心的呢 !!
如何做?
秀完该告诉大家如何做的,首先你得有台能执行定时任务的主机,云主机或者你卧室的主机都可以,然后得有个数据库,至于整体功能其实就是一个简单的增删改查。哦 不对,只有增查没有删改,数据展示的话我用了蚂蚁金服开源的可视化库antv g2,我用的3.8 bug很多不推荐,推荐使用highchart。
我认为其中比较复杂的部分应该是html数据解析的部分,这部分后面我会直接把我代码告诉你。其次就是数据库的存储和查询,我用spring-boot搭了个web服务,用了spring-boot-starter-quartz写了每天晚上11:55的定时任务,用mybatis-spring-boot-starter来读写数据库。
html的解析代码,需要看懂csdn博客页的html布局,然后逐渐调试获取数据,当然csdn官方一改版,代码就执行不了了,所幸这种致命性改版频率不会特别高,这大半年我就遇到过2-3次,代码如下,可以直接拿来用,把url换成自己博客url就可以了。
public class CommonUtils {
private static Logger log = LoggerFactory.getLogger(CommonUtils.class);
private static Map<String, String> headers;
static {
headers = new HashMap<>();
headers.put("referer", "https://www.google.com/");
headers.put("User-Agent", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0" +
".4183.83 Safari/537.36");
}
public static BlogInfoDao getBlogInfo() {
int retry = 3;
while (--retry > 0) {
try {
BlogInfoDao blogInfoDao = new BlogInfoDao();
blogInfoDao.setDate(new Date());
Document doc = Jsoup.connect("https://blog.csdn.net/xindoo").headers(headers).get();
Element blogElement = doc.getElementsByClass("data-info d-flex item-tiling").get(0);
// 文章数量
int articleCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(0).attr("title"));
blogInfoDao.setArticleCnt(articleCnt);
// 周排名
int wranking = Integer.parseInt(blogElement.getElementsByTag("dl").get(1).attr("title"));
blogInfoDao.setWranking(wranking);
// 总排名
int ranking = Integer.parseInt(blogElement.getElementsByTag("dl").get(2).attr("title"));
blogInfoDao.setRanking(ranking);
// 总阅读量
int viewCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(3).attr("title"));
blogInfoDao.setViewCnt(viewCnt);
blogElement = doc.getElementsByClass("data-info d-flex item-tiling").get(1);
// 总积分
int scoreCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(0).attr("title"));
blogInfoDao.setScore(scoreCnt);
// 粉丝数量
int fansCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(1).attr("title"));
blogInfoDao.setFansCnt(fansCnt);
// 点赞量
int likeCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(2).attr("title"));
blogInfoDao.setLikeCnt(likeCnt);
// 评论量
int commentCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(3).attr("title"));
blogInfoDao.setCommentCnt(commentCnt);
// 收藏量
int collectCnt = Integer.parseInt(blogElement.getElementsByTag("dl").get(4).attr("title"));
blogInfoDao.setCollectCnt(collectCnt);
return blogInfoDao;
} catch (Exception e) {
log.error("get bloginfo error, {}", e);
}
}
return null;
}
}
blogInfoDao是我封装的用来和数据库交互的类,没啥内容这里就不再贴了。
结语
我数据目前是半公开状态,可以让大家看,https://xindoo.xyz/ 然后用github登陆后就可以看到数据了,有兴趣可以体验下。之前有人建议开源,不过这个源码是放在一个我个人项目中的,里面很多东西不适合公开,所以暂时不考虑了。