大家试试这个抓页面特定内容的web应用如何？ 可以用来抢票，实时监控特定页面部分

[people2net]

使用jsoup/jquery开发的web应用

http://www.gbin1.com/technology/democenter/20120720jsoupjquerysnatchpage/index.html

可以指定按特定时间间隔抓取页面中指定的元素。 效果还不错，大家觉得如何？

[people2net]

大家也可以抓新浪首页的滚动消息：

地址：http://weibo.com/
元素：.itemt
间隔：10

[bcxx]

啊！好犀利！

楼主你好，楼主再见！

[binux]

siteproxy.jsp

没意思。。

[people2net]

一个简单的实现，大家可以完善

[dongbeta]

... JAVA 节点 ...

[cxh116]

本地运行就没有啥意思了 如果运行在服务器到时还不错
js解析是个大问题,直接运行个浏览器机子的配置要强 不过估计并发还是上不去

[manhere]

要抓取的东西没有id怎么办？

[chairo]

抓过来没样式没js的有啥用？

[BOYPT]

@manhere 这是个java库jsoup解析HTML的例子，使用jquery的选择器语句灵活选择。

Python里面也有个pyquery，完全封装了jquery的操作方式，处理HTML特别方便的。

[valianliu]

有个Chrome插件叫Page Monitor我会随便告诉你么。。。。。

[muzuiget]

@BOYPT 不是的，抓包发现有个「siteproxy.jsp」 用服务器实现跨域取得页面内容，然后扔回浏览器用 JQuery 解析

注定抓不了需要登录的页面了，还不如直接用浏览器扩展脚本搞定，浏览器扩展脚本的xmlHttpRequest 有跨域权限。

[csx163]

支持xpath就完美了

[BOYPT]

@muzuiget 这也需要抓包么，人家源码里面写着好吧。然后这个页面是文章 http://www.gbin1.com/technology/javautilities/20120720jsoupjquerysnatchpage/ 的例子好吧。

[muzuiget]

@BOYPT 一开始没想到会去看源码吧，用 httpfox 监视一下就马上看到结果了。

好吧，确实是服务器解析抓取的内容，因为我瞄了返回的 HTML，看到 html/head 标签以及一大票内容就以为是把目标页面的 HTML 发过来了，而不是仅仅抓取的内容的 HTML。那些多余内容都是广告和统计代码。

[CP9]

这个东西怎么用啊？可以用来抓去网站的一些壁纸吗？求使用方法

[xingzhi]

请教，在抓取内容时，遇到要ajax加载才能出现的内容怎么办呢

[people2net]

那你可以考虑抓加载使用的容器