Java 要跟 Python 斗！预测CSDN博客之星排行，结果竟然是……

会员服务 ·

Java 要跟 Python 斗！预测CSDN博客之星排行，结果竟然是……

2019 年 1 月 31 日 程序人生

作者 | bisal

责编 | 张红月

技术解析来自bisal的个人杂货铺，博客之星6号博主

快过年了，有人欢喜有人忧。喜的是放假了，忧的是又要被（找）相（对）亲（象）。程序员们，Are you ready?

来来来，放松一下！

如今人人都是自媒体，通过写博客、分享学习笔记聚集粉丝已是很多人屡试不爽的方法。作为日PV过千万，仅次于Github的程序员社区，CSDN博客原创文章发布量平均为7300篇/天，同比2017年，每天新增了2000多篇文章。在这些数字的背后，是那些长年在键盘后面辛勤努力的技术英雄们，他们笔耕不辍、乐于分享，布道知识，共同精进。

分享知识的同时，还获得大量粉丝关注，例如知名的CSDN博主任玉刚、刘望舒等。同时，CSDN社区为感谢辛勤创作的博主们，还举办了博客之星活动。

肉眼数名次，你晕了吗？程序员Say No！

乍一看，这个页面很清晰，但有个问题，就是无法知道每个人的排名，只能肉眼数名次。

作为程序员，是不能容忍耗费体力的事，因此需要考虑，如何自动排名。

既然是网页，就存在解析内容的可能，看了下网页源码，都是普通的HTML标签，如下所示，因此，可以通过技术的手段，解析网页：

<div class="item" id="006">
                    <div class="user-info">
                        <div class="user-id">006</div>
                        <div class="avatar">
                            < a href=" " target="_blank">< img src="https://profile.csdnimg.cn/8/4/6/1_bisal" alt="bisal"></ a>
                        </div>
                        <div class="expert-flag" >
                            <svg class="icon">
                              <use xlink:href="#expert"></use>
                            </svg>
                        </div>
                        <div class="user-name"><span class="oneline">bisal</span></div>
                        <div class="article-num">
                            <span>原创博文：354<br>
                                                            </span>
              </div>
                        <div class="user-number"><span>当前票数:<em id="vote_num_2731">337</em></span></div>
                    </div>
                    <div class="user-button">
                        <div class="vote"  onclick="click_vote(2731,337);">
                            <span>投票</span>
                        </div>
                        <div data-track-click='{"mod":"737","con":",,"}' class="pull"><span>为TA拉票</span></div>
                    </div>
                </div>

程序员助力老婆项目分析

网页解析，有很多开源的工具可用，我的本硕毕设，做的就是专利网页抓取解析，而且曾经帮老婆的一个项目，抓取、解析过当当网这些电商网站，用的就是神器-Jsoup，可谓屡试不爽。

Jsoup是一款Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。他提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。Jsoup是基于MIT协议发布的，可放心使用于商业项目。

他的主要功能，包括如下这些：

1. 从一个URL，文件或字符串中解析HTML；

2. 使用DOM或CSS选择器来查找、取出数据；

3. 可操作HTML元素、属性、文本；

Jsoup的官网是https://jsoup.org/

排名分析

首先，明确下，需要从网页中，解析到的内容，包括编号、博主名称、原创博文数量、票数：

Document doc = Jsoup.parse(url, Constants.TIME_OUT);
            Elements elements = doc.getElementsByClass("user-info");
            List<Blogger> list = new ArrayList<Blogger>();
            for (Element element : elements) {
                if (!element.text().trim().equals("")) {
                    Blogger blogger = new Blogger();
                    blogger = getBlogger(element.text());
                    list.add(blogger);
                }
            }

定义一个实体类Blogger，包含了编号、博主名称、原创博文数量、票数。

private  String no;
private String name;
private String articleNo;
private int tickerNo;

从网页中看，每个博主信息，都在<div class="user-info>标签内，首先实例化Document对象，使用getElementsByClass()方法，定位class是user-info的标签，由于需要循环处理所有博主，因此使用List，成员类型是Blogger，element.text()就是从<div class="user-info>解析出的各部分内容，注意此处需要判断是否为空，因为要得出编号、博主名称、原创博文数量、票数这些信息，所以还要对内容，进行字符串分割，此处自定义getBlogger()方法，用于拆解字符串。

Document doc = Jsoup.parse(url, Constants.TIME_OUT);
            Elements elements = doc.getElementsByClass("user-info");
            List<Blogger> list = new ArrayList<Blogger>();
            for (Element element : elements) {
                if (!element.text().trim().equals("")) {
                    Blogger blogger = new Blogger();
                    blogger = getBlogger(element.text());
                    list.add(blogger);
                }
            }

getBlogger()方法，会根据element.text()的返回值，做字符串分割，再存储进Blogger对象。

Blogger blogger = new Blogger();
        String no = line.substring(0, line.indexOf(" "));
        String name = line.substring(line.indexOf(" ") + 1, line.indexOf(" 原创"));
        String articleNo = line.substring(line.indexOf("：") + 1, line.indexOf("当前") - 1);
        int ticketNo = Integer.valueOf(line.substring(line.indexOf("当前票数:") + 5, line.length()));
        blogger.setNo(no);
        blogger.setName(name);
        blogger.setArticleNo(articleNo);
        blogger.setTicketNo(ticketNo);
        return blogger;

得到了编号、博主名称、原创博文数量、票数，现在需要做的，就是排序，准确地说，是用票数排序，由于是整型，因此只要按照>、=、<，即可完成排序。

Collections.sort(list, new Comparator<Blogger>(){
                /*
                 * int compare(Person p1, Person p2) 返回一个基本类型的整型，
                 * 返回负数表示：p1大于p2，
                 * 返回0 表示：p1和p2相等，
                 * 返回正数表示：p1小于p2
                 */
                public int compare(Blogger p1, Blogger p2) {
                    //按照Person的年龄进行升序排列
                    if(p1.getTicketNo() < p2.getTicketNo()){
                        return 1;
                    }
                    if(p1.getTicketNo() == p2.getTicketNo()){
                        return 0;
                    }
                    return -1;
                }
            });

将List成员打印出来。

 int i = 1;
            for (Blogger blogger : list) {
                System.out.println(i + " " + blogger.getName() + " " + blogger.getTicketNo());
                i++;
            }

此时，就是按照票数，进行的展示：

写文章赢大奖

知道你们想问奖品好久了，开年会的时候，大家首先会问奖品有什么？博客之星活动也不例外，奖品超酷炫：

投票有机会赢超跑免费驾驶

本次王子出行（王子车库科技有限公司）

秉承“让租车比买车更划算！”的商业理念，专注于为广大出行需求用户提供高端车型订制出行服务；

如何参与投票

点击阅读原文或者扫描下方海报二维码即可参与投票，赢取开超跑机会。

print_r('点个好看吧！');
var_dump('点个好看吧！');
NSLog(@"点个好看吧！");
System.out.println("点个好看吧！");
console.log("点个好看吧！");
print("点个好看吧！");
printf("点个好看吧！");
cout << "点个好看吧！" << endl;
Console.WriteLine("点个好看吧！");
fmt.Println("点个好看吧！");
Response.Write("点个好看吧！");
alert("点个好看吧！")
echo "点个好看吧！"