爬虫导入

新东家还没开放所有权限，因此就临时接了一位同学手上的小工具活，功能是从某网站抓取数据并导入比对。场景看属于最简单的，直接reponse回来就能解析获取了。小工具用的是jsoup，相关材料也很多。(一开始先把原来的netbean工程改成eclipse，强迫症）

（一）主要抓取流程

设置url ，请求方式get或者post等int requestType = rule.getRequestMoethod();Connection conn = Jsoup.connect(url);设置参数conn.data(params[i], values[i]);获取返回页面doc对象doc = conn.timeout(5000).get();//根据实际情况post或者get等等其他解析，简单列举了几个，基本就是dom的操作了，非常简洁~results = doc.getElementsByClass(resultTagName);results = doc.getElementsByTag("body");Elements links = result.getElementsByTag("td");

（二）导入碰到的问题

数据抓取后，原先是通过poi生成xls再导入。但是有个问题，解析用的是split(“xxx”) 拆分预处理生成的由分隔符拼接的字符串，但是该方法默认只会重复匹配n-1次，最后如果出现”\n\n\n”等空字符串拼接的情况该函数只会匹配一次，从而导致返回的列数不对。

【如果需要匹配可以采用split(“\n”,-1)强制匹配到最后一个匹配符得出正确结果】

临时规避方法则是，代码避免生成空字符串或者由于office2007编辑后默认保存为空字符串。具体做法通过poi生成的时候强制设定了单元格格式（避免编辑后由于格式兼容重新设置为空字符串）

          <pre name="code" class="java">HSSFCellStyle cellStyle = hwb.createCellStyle();cellStyle.setBorderBottom(HSSFCellStyle.BORDER_THIN); // 下边框cellStyle.setBorderLeft(HSSFCellStyle.BORDER_THIN);// 左边框cellStyle.setBorderTop(HSSFCellStyle.BORDER_THIN);// 上边框cellStyle.setBorderRight(HSSFCellStyle.BORDER_THIN);// 右边框设置单元格格式item.setCellStyle(cellStyle);item.setCellValue(new HSSFRichTextString(descs[j]));

生成后或者生成后在编辑保存，不会由于2007格式保存兼容处理默认为空字符串，而是默认的null类型，程序可以识别列数正常导入。

总结，练手验证性能。。。。