「淘宝java框架」淘宝 java

本篇文章给大家谈谈淘宝java框架，以及淘宝 java对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、淘宝是用php还是java开发？
• 2、类似淘宝用php做前端，java做后端的架构是怎样的
• 3、淘宝主要是用 Java 实现的，这是真的吗
• 4、java做一个类型淘宝店铺装修问题
• 5、使用java语言爬取自己的淘宝订单看看买了哪些东西？
• 6、淘宝用什么语言写的?php还是java?

淘宝是用php还是java开发？

淘宝第一版是用PHP，后来全面迁移到Java，跑在Linux上现在只有非常小的一部分（比如动态活动页面）还是php。

PHP 和 Java 的区别

一、技术层面区别：

1、java是纯面向对象开发，功能强大，分支众多，没有java不能做的软件。C/S也好B/S也好。从功能上讲，没有语言可以和java相比。

2、PHP属于后起之秀，吸收了java和c以及perl等语言优点，专注互联网领域。WEB领域PHP拥有得天独厚的优势，WEB领域没有语言可以和他比。

3、两者相比，基本上java完胜。但是其实并没有太大的可比性，专注领域不同。单纯拿两者都可以做的WEB来说，PHP完胜。

二、市场份额区别：

1、 java语言算是古老，多年的发展，其在C/S领域和B/S领域都占有一席之地，特别是在电信和银行行业。但随着社会需求的变化和其他语言的专注，java的市场正被一点点蚕食，WEB领域几乎被PHP一统天下，嵌入式领域几乎被C++一统天下，客户端领域几乎被C语言一统天下，要不是安卓的出现，java的命运还真不好说了。

2、PHP在市场描述就比较简单了，因为我们只要看一个领域，那就是web领域。WEB领域php的市场超过80%，其余的则是如java-JSP，asp，C#，.NET，python，ruby等。网站500强中有395家使用PHP。全球最大的两个网站facebook和新浪微博全在使用PHP。

3、两者相比，算平分秋色。

三、语言难易比较

1、PHP是一种解释执行的脚本语言，语法和C语言类似，易学易用，不懂电脑的非专业人员稍经学习也能使用PHP。

2、Java要先编译成Class文件，然后在Java虚拟机上执行，Java开发需要熟悉Java语法以及一些核心的架构，从而实现一种可复用的、跨平台的软件，Java培训比PHP培训要难学的多。

类似淘宝用php做前端，java做后端的架构是怎样的

PHP是后台程序,JAVA也是后台程序。

前端程序是html div+css

现在网站开发都是用的MVC架构。

淘宝主要是用 Java 实现的，这是真的吗

据我所知，淘宝是用java做后端的，nodeJS做中间层渲染html，前端使用他们自己的js框架做数据交互的

java做一个类型淘宝店铺装修问题

一般B2C的网站分前台和后台

前台负责买卖业务（会员的登录、商品的陈列、购物流程、也可加入货物跟踪流程）

后台负责网站的各项操作配置（界面的整体布局，货物的上下架，库存，价格等等）

一般可以采用SSH的框架，如果只是教学可以使用STRUTS2+JDBC就可以完成了

备注：LZ的提问【java做一个类型淘宝店铺装修问题】

从需求分析的角度来说，会让人产生两种想法

LZ要做一个类似淘宝店并主题关于装修的网店

LZ要做一个可以变更以及维护淘宝网店页面布局和风格的配置管理系统

个人感觉LZ的意思偏于前者，至于是不是还是要看LZ了

使用java语言爬取自己的淘宝订单看看买了哪些东西？

Java爬虫框架WebMagic简介及使用

一、介绍

webmagic的是一个无须配置、便于二次开发的爬虫框架，它提供简单灵活的API，只需少量代码即可实现一个爬虫。webmagic采用完全模块化的设计，功能覆盖整个爬虫的生命周期(链接提取、页面下载、内容抽取、持久化)，支持多线程抓取，分布式抓取，并支持自动重试、自定义UA/cookie等功能。

二、概览

WebMagic项目代码分为核心和扩展两部分。核心部分(webmagic-core)是一个精简的、模块化的爬虫实现，而扩展部分则包括一些便利的、实用性的功能（例如注解模式编写爬虫等）。

WebMagic的结构分为Downloader、PageProcessor、Scheduler、Pipeline四大组件，并由Spider将它们彼此组织起来。这四大组件对应爬虫生命周期中的下载、处理、管理和持久化等功能。而Spider则将这几个组件组织起来，让它们可以互相交互，流程化的执行，可以认为Spider是一个大的容器，它也是WebMagic逻辑的核心。

2.1 WebMagic的四个组件

Downloader

Downloader负责从互联网上下载页面，以便后续处理。WebMagic默认使用了Apache HttpClient作为下载工具。

PageProcessor

PageProcessor负责解析页面，抽取有用信息，以及发现新的链接。WebMagic使用Jsoup作为HTML解析工具，并基于其开发了解析XPath的工具Xsoup。在这四个组件中，PageProcessor对于每个站点每个页面都不一样，是需要使用者定制的部分。

Scheduler

Scheduler负责管理待抓取的URL，以及一些去重的工作。WebMagic默认提供了JDK的内存队列来管理URL，并用集合来进行去重。也支持使用Redis进行分布式管理。除非项目有一些特殊的分布式需求，否则无需自己定制Scheduler。

Pipeline

Pipeline负责抽取结果的处理，包括计算、持久化到文件、数据库等。WebMagic默认提供了“输出到控制台”和“保存到文件”两种结果处理方案。Pipeline定义了结果保存的方式，如果你要保存到指定数据库，则需要编写对应的Pipeline。对于一类需求一般只需编写一个Pipeline。

2.2 用于数据流转的对象

Request

Request是对URL地址的一层封装，一个Request对应一个URL地址。它是PageProcessor与Downloader交互的载体，也是PageProcessor控制Downloader唯一方式。

Page

Page代表了从Downloader下载到的一个页面——可能是HTML，也可能是JSON或者其他文本格式的内容。Page是WebMagic抽取过程的核心对象，它提供一些方法可供抽取、结果保存等。

ReusltItems

ReusltItems相当于一个Map，它保存PageProcessor处理的结果，供Pipeline使用。它的API与Map很类似，值得注意的是它有一个字段skip，若设置为true，则不应被Pipeline处理。

2.3 控制爬虫运转的引擎—Spider

Spider是WebMagic内部流程的核心。Downloader、PageProcessor、Scheduler、Pipeline都是Spider的一个属性，这些属性是可以自由设置的，通过设置这个属性可以实现不同的功能。Spider也是WebMagic操作的入口，它封装了爬虫的创建、启动、停止、多线程等功能。

对于编写一个爬虫，PageProcessor是需要编写的部分，而Spider则是创建和控制爬虫的入口。

2.4 WebMagic项目组成

WebMagic项目代码包括几个部分，在根目录下以不同目录名分开。它们都是独立的Maven项目。

WebMagic主要包括两个包，这两个包经过广泛实用，已经比较成熟：

webmagic-core

webmagic-core是WebMagic核心部分，只包含爬虫基本模块和基本抽取器。

webmagic-extension

webmagic-extension是WebMagic的主要扩展模块，提供一些更方便的编写爬虫的工具。包括注解格式定义爬虫、JSON、分布式等支持。

三、 基本的爬虫

3.1 爬虫的流程 (可以参考上边的框架架构图)

Downloader-页面下载

页面下载是一切爬虫的开始。

大部分爬虫都是通过模拟http请求，接收并分析响应来完成。这方面，JDK自带的HttpURLConnection可以满足最简单的需要，而Apache HttpClient(4.0后整合到HttpCompenent项目中)则是开发复杂爬虫的不二之选。它支持自定义HTTP头(对于爬虫比较有用的就是User-agent、cookie等)、自动redirect、连接复用、cookie保留、设置代理等诸多强大的功能。

webmagic使用了HttpClient 4.2，并封装到了HttpClientDownloader。学习HttpClient的使用对于构建高性能爬虫是非常有帮助的，官方的Tutorial就是很好的学习资料。目前webmagic对HttpClient的使用仍在初步阶段，不过对于一般抓取任务，已经够用了

PageProcessor-页面分析及链接抽取

Selector是webmagic为了简化页面抽取开发的独立模块，是整个项目中我最得意的部分。这里整合了CSS Selector、XPath和正则表达式，并可以进行链式的抽取，很容易就实现强大的功能。即使你使用自己开发的爬虫工具，webmagic的Selector仍然值得一试

Jsoup

HtmlParser

Apache tika

HtmlCleaner与Xpath

这里说的页面分析主要指HTML页面的分析。页面分析可以说是垂直爬虫最复杂的一部分，在webmagic里，PageProcessor是定制爬虫的核心。通过编写一个实现PageProcessor接口的类，就可以定制一个自己的爬虫

HTML分析是一个比较复杂的工作，Java世界主要有几款比较方便的分析工具：

webmagic的Selector

Scheduler-URL管理

URL管理的问题可大可小。对于小规模的抓取，URL管理是很简单的。我们只需要将待抓取URL和已抓取URL分开保存，并进行去重即可。使用JDK内置的集合类型Set、List或者Queue都可以满足需要。如果我们要进行多线程抓取，则可以选择线程安全的容器，例如LinkedBlockingQueue以及ConcurrentHashMap。因为小规模的URL管理非常简单，很多框架都并不将其抽象为一个模块，而是直接融入到代码中。但是实际上，抽象出Scheduler模块，会使得框架的解耦程度上升一个档次，并非常容易进行横向扩展，这也是我从scrapy中学到的。

Pipeline-离线处理和持久化

Pipeline其实也是容易被忽略的一部分。大家都知道持久化的重要性，但是很多框架都选择直接在页面抽取的时候将持久化一起完成，例如crawer4j。但是Pipeline真正的好处是，将页面的在线分析和离线处理拆分开来，可以在一些线程里进行下载，另一些线程里进行处理和持久化。

3.2 使用WebMagic爬取一个壁纸网站

首先引入WebMagic的依赖，webmagic-core-{version}.jar和webmagic-extension-{version}.jar。在项目中添加这两个包的依赖，即可使用WebMagic。

maven中引入依赖jar包

dependency

   groupIdus.codecraft/groupId

   artifactIdwebmagic-core/artifactId

   version0.5.3/version

/dependency

dependency

   groupIdus.codecraft/groupId

   artifactIdwebmagic-extension/artifactId

   version0.5.3/version

/dependency1234567891012345678910

不使用maven的用户，可以去中下载最新的jar包。

淘宝用什么语言写的?php还是java?

之前是用java 后来PHP 语言发展好了 而且免费 所以现在 淘宝的后台处理语言用的PHP

淘宝java框架的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于淘宝 java、淘宝java框架的信息别忘了在本站进行查找喔。