Play Framework - 数据采集

准备工作：

环境：

A.mysql5.6

mysql设置编码：

0.若是您确定你的mysql是UTF-8编码的，可以直接进入底4步验证。

1.下载https://github.com/pgq10240817/PlayNews/blob/master/conf/db/my.ini

2.把1下载的文件放到您安装目录下面，可以直接命为my.ini（默认是没有改文件的，默认是有my-default.ini）.

3. 然后重启mysq打开cmd，输入services.msc 进入服务管理，定位到MySql，右键重新启动。

4.打开cmd，进入到%MYSQL%/bin（如果设置了mysql环境变量，可以略过），输入mysql，

再次输入

show variables like ‘cahr%‘;

界面如下那就代表您成功了。

mysql> show variables like ‘char%‘;
+--------------------------+-------------
-+
| Variable_name            | Value
 |
+--------------------------+-------------
-+
| character_set_client     | utf8
 |
| character_set_connection | utf8
 |
| character_set_database   | utf8
 |
| character_set_filesystem | binary
 |
| character_set_results    | utf8
 |
| character_set_server     | utf8
 |
| character_set_system     | utf8

B.PLAY 控制台编码。

打开windows环境变量设置，添加系统变量：

PLAY_OPTS:-Dfile.encoding=GBK

楼主尝试过改为UTF8、UTF-8，然而还是乱码。。。。。

C.创建数据库：

运行：https://github.com/pgq10240817/PlayNews/blob/master/conf/db/database.sql

创建数据库，主要是做了下默认编码。

D.play配置：

1.数据库配置：

参考https://github.com/pgq10240817/PlayNews/blob/master/client/myNews/conf/db.conf

# Database configuration
# db.default.url="jdbc:mysql://127.0.0.1:3306/dbnews1?characterEncoding=utf8&zeroDateTimeBehavior=convertToNull"
db.default.driver=com.mysql.jdbc.Driver
db.default.url="jdbc:mysql://127.0.0.1/dbnews1"
db.default.user=root
db.default.pass="123456"

# Ebean configuration
#ebean.default="com.yhpl.model.*"
#evolutionplugin=disabled
ebean.default="models.*"

以上代码可以下载play project/conf/application.conf下面，也可以新建一个db.conf，然后application.conf加入

include "db.conf"就可以了。

2.常量配置：

参考：https://github.com/pgq10240817/PlayNews/blob/master/client/myNews/conf/http.conf

配置了网易音乐的一些常用链接，然后https://github.com/pgq10240817/PlayNews/blob/master/client/myNews/app/com/yhpl/utils/NewsUrlUtil.java

NewsUtil提供了对该类的写访问。

3.play路由配置：

https://github.com/pgq10240817/PlayNews/blob/master/client/myNews/conf/routes

暂时只是配置了如下:

GET /initChannels					controllers.CaptureController.initChannels()
GET /initNews						controllers.CaptureController.initNews()

其中initChannels代表初始化频道，initNews代表读取频道的value去初始化新闻。

数据分析：

数据来源：

本次数据来源是采用网易新闻的来源。总共会采集2个分类，1：新闻频道，2：频道下的新闻。

数据格式：

通过fiddler抓包，发现网易新闻的数据包格式如下：

1：频道

https://github.com/pgq10240817/PlayNews/blob/master/conf/data/fiddler/channels.txt

2：新闻

https://github.com/pgq10240817/PlayNews/blob/master/conf/data/fiddler/news.txt

其中2中的抓包需要用到1的频道ID

数据分析：

通过分析数据格式发现，获取频道的内容的URL是固定的，获取新闻需要用到3个参数，频道ID，page，pageCount。

编写Bean：

Bean类位于：

https://github.com/pgq10240817/PlayNews/tree/master/client/myNews/app/models

下Channels.java，News.java。

数据采集：

代码位于：https://github.com/pgq10240817/PlayNews/blob/master/client/myNews/app/controllers/CaptureController.java

1.频道采集：

public static Result initChannels() {
		NewChannalsVo chanals = (NewChannalsVo) JsonFileUtil.getGetUrlContentAsObject(NewsUrlUtil.getChannelUrl(),
				NewChannalsVo.class);
		if (chanals != null) {
			NewChannalVo[] channelArray = chanals.gettList();
			List<Channels> beans = new ArrayList<Channels>();
			for (int i = 0; i < channelArray.length; i++) {
				NewChannalVo jsonObj = channelArray[i];
				Channels bean = new Channels();
				bean.cname = jsonObj.getTname();
				bean.cid = jsonObj.getTid();
				bean.subnum = jsonObj.getSubnum();
				beans.add(bean);

			}
			Ebean.beginTransaction();
			for (int i = 0; i < channelArray.length; i++) {
				Channels bean = beans.get(i);
				Channels target = Channels.getChannelWithCname(bean.cname);
				if (target == null) {
					Ebean.save(bean);
				} else {
					System.out.println("exist -- " + target.cname);
				}
			}

			Ebean.commitTransaction();

		}
		return ok("init Channels success");
	}

2.新闻采集：

public static Result initNews() {
		Page<Channels> pageChannel = Channels.page(1, 20, "id", "asc");
		if (pageChannel.getTotalRowCount() > 0) {
			List<Channels> channelBeans = pageChannel.getList();
			if (!CollectionUtil.isEmpty(channelBeans)) {
				for (int i = 0; i < channelBeans.size(); i++) {

					// A.解析数据
					Channels channelBean = channelBeans.get(i);
					String url = NewsUrlUtil.getChannelNewsUrlWithCidPageCount(channelBean.cid);
					JsonNode node = JsonFileUtil.getGetUrlContentAsJsonNode(url);
					ArrayNode arrayNodes = (ArrayNode) node.get(channelBean.cid);
					Iterator<JsonNode> iter = arrayNodes.iterator();
					List<News> mNews = new ArrayList<News>();
					while (iter.hasNext()) {
						JsonNode childNode = iter.next();
						NewsVo childNews = Json.fromJson(childNode, NewsVo.class);
						News news = new News();
						news.cid = channelBean.cid;
						news.cp = childNews.getSource();
						news.icon = childNews.getImgsrc();
						news.url = childNews.getUrl();
						news.title = childNews.getTitle();
						news.snapDetail = childNews.getDigest();
						news.time = DateUtil.getDateFromString(childNews.getPtime());
						mNews.add(news);
						System.out.println("child:" + childNews);
					}

					// B.过滤数据库
					CollectionUtil.trimListWithFilter(mNews, new TrimFilter<News>() {

						@Override
						public boolean isFilter(News t) {
							return t != null && News.getNewsWithTitle(t.title) != null;
						}
					});

					// C.POJO -> DB
					if (!CollectionUtil.isEmpty(mNews)) {
						System.out.println("save --- > :" + channelBean.cid);
						Ebean.save(mNews);
					}

				}
			}
		}

		return ok("init News success");
	}

3.运行play之后，第一次初始化会要求add scripts，点击add即可。

Next：

昨天在wooyun提交的漏洞又是审核不通过，理由是：

无法联系到厂商并且问题影响不大。。。

那个道友助我一臂啊。。。

下次估计会在国庆节后更，内容主要是，编写接口共客户端调用，会有2个接口，获取频道，获取频道下的新闻。