/可以使用 Jsoup 這個庫來解析 HTML 並從網頁上提取數據。

以下簡單的從一個網站提取標題和部分內容。

步驟：

1. 添加 Jsoup 依賴：
   如果你使用 Maven 或 Gradle，添加以下依賴：

   • Maven：

     <dependency>
         <groupId>org.jsoup</groupId>
         <artifactId>jsoup</artifactId>
         <version>1.15.3</version>
     </dependency>
     

   • Gradle：

     implementation 'org.jsoup:jsoup:1.15.3'
     

2. 撰寫爬蟲程式：
   這個範例會從網站上抓取所有的標題 (h1) 並打印出來。

   import org.jsoup.Jsoup;
   import org.jsoup.nodes.Document;
   import org.jsoup.nodes.Element;
   import org.jsoup.select.Elements;
   
   public class WebCrawlerExample {
       public static void main(String[] args) {
           try {
               // 連接到目標網站並獲取 HTML 文件
               Document doc = Jsoup.connect("https://example.com").get();
   
               // 選擇你想抓取的標籤，例如<h1>標題
               Elements titles = doc.select("h1");
   
               // 打印所有<h1>標籤內容
               for (Element title : titles) {
                   System.out.println("Title: " + title.text());
               }
   
           } catch (Exception e) {
               e.printStackTrace();
           }
       }
   }
   

程式解說：

• Jsoup.connect(url).get(): 這會從指定的 URL 下載並解析 HTML 網頁內容。
• doc.select("h1"): 使用 CSS 選擇器來選擇所有的 <h1> 標籤。這裡可以替換成你想抓取的其他標籤，例如 <p>、<a> 等等。
• title.text(): 獲取標籤內的純文字。

注意事項：

• 如果網站有防止爬蟲的機制，可能需要處理網站的 robots.txt 文件、頁面延遲載入（JavaScript）、或 IP 限制。
• 可以使用一些爬蟲框架如 Selenium 來模擬使用者操作，應對動態內容的抓取。

可進一步拓展功能，比如抓取多頁內容、儲存數據到本地文件或資料庫，或是設定代理來隱藏 IP 地址。
明天來介紹什麼是爬蟲軟體，整理這個月的所學及使用過的語法～
(用法部分取用生成式軟體以及每天紀錄為初階學習）