世界商用飞机机型大全-使用Java抓取FlightAware后的答案

avatar
作者
筋斗云
阅读量:17

目录

前言

一、数据说明

1、实时航班飞机机型数据

2、网页结构分析

二、使用Java进行信息抓取

1、定义页面PageVO对象

2、爬取属性定义

3、启动信息抓取组件

三、成果分析

1、商业飞行的飞机机型的种类

 2、飞机种类排名前十名

3、航班数排名后十名

4、看中国国产大飞机C919

四、总结


前言

        随着现在航空业的发达以及人们物质生活水平的提升,乘坐飞机出行一定是很多朋友们出行的一种方式,不要说远距离的跨国航线,连我们的祖国的天南海北,乘坐飞机出行,也是相当便利出行的。不知道各位朋友在平时的出行过程当中有没有注意观察,或者说有没有留意自己乘坐的飞机到底是什么机型呢?更往大的范围来说,在当前世界上的商业飞行活动中,一共有多少种飞机机型呢?飞行航班数最多的机型是哪一种?而飞行航班数最少的又是哪一种呢?哪种飞机的机龄最年轻,哪种飞机是飞行器界的老人呢?想想这些问题,是不是很有意思。当下次您在出行的时候,在值机或者购买机票的时候,可以统计以下您乘坐的飞机的机型。也看看我们国家主要的商业飞机机型是什么?主要的飞行航线是哪几条。

        带着上述的问题开启本篇的内容讲解。本文主要讲解如何采用Java语言和XxlCrawler进行flightaware网的所有商用飞机机型的信息爬取,首先介绍在flightaware网上的所有飞行器数据,然后使用Java语言结合XxlCrawler进行信息抓取,最后得到完整的飞行器数据表格。通过本文,您可以掌握如何获取全球执飞的商用飞机的机型信息,同时掌握在使用XxlCrawler进行信息爬取时,如何获取超链接中Href属性,掌握属性值的正确处理方式。最后对成果进行充分展示,本文的结果是Excel表格,但是我们为了可以在后续的分析中继续使用,我们可以将这些数据持久化到数据库中,本文暂且不表。

一、数据说明

        本节将主要对数据的来源进行说明,文中涉及到的飞行轨迹及全球飞机机型数据均参考flightaware飞行网。以飞机机型为例,局限于数据采集时获取的是实时的在线航班的数据,因此导致可能会遗漏部分已经降落的飞行飞机,但对于常用航空器,应该是包含在里面了。如果您需要最准确的数据,可以设置一个频率高的采集周期,定时从网站上采集,通过覆盖24小时甚至72小时的采集,来实现全覆盖(当然这个频率也不一定,有的航线可能一周才开通一次)。当然,您也可以购买会员,这样可以得到一些官方提供的数据。

1、实时航班飞机机型数据

        对飞行轨迹感兴趣的朋友可以在flightaware网站上看到飞机的轨迹,这里需要注意的是,这里的航班都是实时航班,就是正在飞行的。已经到达的航班则不在列表中展示。具体如下图所示:

        当我们想搜索航班时,可以有多种搜索模式,这里就分享一种,同时引出本博客的信息来源,飞机的机型列表。 

        第一步点击导航条中的“航班跟踪”,然后点击“按机型浏览”的超链接。 然后在新的界面中就打开所有的机型选择页面,如下图所示:

        没有,上面的页面就是我们的目标,我们需要将上面的数据进行抓取到本地来。 

2、网页结构分析

        上面的飞机机型访问地址如下:飞机机型列表。为了实现使用Java语言来进行页面信息爬取,我们首先要分析网页的结构,便于在后续的抓取脚本设置中设置好xpath配置。如果使用的是谷歌浏览器,那么我们直接按F12或者右键检查,即可打开网页监控,在监控页面查看网页结构,尤其是xpath的规则。

        通过观察上述的网页,我们不难发现,它的网页结构非常有规律,因此特别使用进行循环批量爬取。其网页内容格式均如下所示:

<tr class="smallrow1">     <td>2084</td>      <td><a href="/live/aircrafttype/A320">A320</a></td>      <td>Airbus A320</td> </tr>

         上面的每一行包含四个主要的信息,第一个是实时航班的数量,第二个单元格的超链接是访问当前机型的实时航航的连接,后面是飞行机器的code,第四个是当前飞机的具体类型名称。在了解以上的信息以后我们就可以编写xpath脚本来获取相关的信息。

二、使用Java进行信息抓取

        本节将重点展示如何使用Java语言来爬取这些航空器的信息,通过本节的知识,可以掌握使用Java语言来爬取相关知识的内容。同时这里将重点讲解如何在XxlCrawler框架中爬取超链接的Href属性,如果您在平时的工作中也要涉及网页属性的爬取,可以看看这里的处理方式。

1、定义页面PageVO对象

        在博主的个人博客当中,大多都是介绍XxlCralwer这个组件。这个组件非常好用,这里依然采用这个组件来进行信息的抓取。在信息抓取之前,我们需要先通过xpath来定义html页面上的元素与我们抓取对象的一个映射关系,这个映射关系的配置就是通过pageVo这个对象来实现的。在上一节的内容介绍中,我们讲解了网页的结构,这里仅将pageVo对象的代码贴出来,对重点部分进行讲解。

/** * 	请注意合理Xpath的配置,一定要配置到tr,配置到tr,会自动循环获取并赋值,方便于集合操作 * @author 夜郎king * */ @PageSelect(cssQuery = ".indent .prettyTable >tbody >tr") @Data @AllArgsConstructor @NoArgsConstructor public static class PageVo {  	/** 	* 	实时航班数 	*/ 	@Excel(name = "航班数") 	@PageFieldSelect(cssQuery = " >td:eq(0)") 	private String count; 	/** 	* 	机型代号 	*/ 	@PageFieldSelect(cssQuery = " >td:eq(1)") 	@Excel(name = "机型代码") 	private String code; 	/** 	* 	查询机型超链接 	* 	这里要特别注意,selectType 切记要选择SelectType.ATTR,表示从属性中获取值,selectVal 表示取具体哪个属性的值,这里表示取href这表属性的值, 	* 	更详细的用法在写博客时,可以参考源码进行详细说明 	*/ 	@PageFieldSelect(cssQuery = " >td:eq(1) >a:eq(0)",selectType = SelectType.ATTR,selectVal = "href") 	@Excel(name = "查询机型超链接") 	private String aircraftTypeLink; 	/** 	* 	详细机型 	*/ 	@Excel(name = "详细机型") 	@PageFieldSelect(cssQuery = " >td:eq(2)") 	private String aircraftType;	 }

        在上述的代码中,需要注意的地方有:

        (1)、@PageSelect(cssQuery = ".indent .prettyTable >tbody >tr"),在定义pageVO对象时,由于在表格中有多个tr,我们在配置pageVo时,希望会自动形成一个List<PageVo>的数组,因此在定义xpath时一定要定义到tr这一层。

        (2)、在获取机型的超链接时,由于获取的是元素的href属性,因此不要使用下面的获取属性的方法。

/** * 	查询机型超链接 * 	这里要特别注意,selectType 切记要选择SelectType.ATTR,表示从属性中获取值,selectVal 表示取具体哪个属性的值,这里表示取href这表属性的值, * 	更详细的用法在写博客时,可以参考源码进行详细说明 */ @PageFieldSelect(cssQuery = " >td:eq(1) >a:eq(0)",selectType = SelectType.ATTR,selectVal = "href")

         默认情况下,selectType是SelectType.TEXT,详细的配置看源码中的代码定义:

/**  * jquery data-extraction-type,like ".html()/.text()/.val()/.attr() ..."  *  * jquery 数据抽取方式,如 ".html()/.text()/.val()/.attr() ..."等  *  * @see com.xuxueli.crawler.conf.XxlCrawlerConf.SelectType  *  * @return SelectType */ public XxlCrawlerConf.SelectType selectType() default XxlCrawlerConf.SelectType.TEXT;  /** * jquery data-extraction-value, effect when SelectType=ATTR/HAS_CLASS, like ".attr("abs:src")" * * jquery 数据抽取参数,SelectType=ATTR/HAS_CLASS 时有效,如 ".attr("abs:src")" * * @return String */ public String selectVal() default "";

2、爬取属性定义

        在定义信息获取对象时,除了要定义PageVO转换对象,同时还要定义抓取的地址、抓取信息后保存的集合对象等。这里将分享如何定义这些其它属性信息。

private static final String GET_URL = "https://zh.flightaware.com/live/aircrafttype/"; 	 private static final String USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.0.0 Safari/537.36";  /** * 	定义所有机型的接收集合 */ private List<PageVo> aircraftTypeList = new ArrayList<PageVo>();

3、启动信息抓取组件

        启动信息抓取的代码比较简单,这里不再对详细过程进行赘述。将代码直接贴出来,有问题看不懂的朋友可以私信交流。

@Test public void testGetAllaircraftType() {     // 构造爬虫 	XxlCrawler crawler = new XxlCrawler.Builder() 			.setUrls(GET_URL) 			.setAllowSpread(false)// 允许扩散爬取,将会以现有URL为起点扩散爬取整站,这里只爬一个页面,设置为不允许扩散 			.setThreadCount(3) 			.setPauseMillis(2000) 			.setUserAgent(USER_AGENT)//设置user_agent 			.setIfPost(false) 			.setFailRetryCount(3)// 重试三次 			.setTimeoutMillis(10 * 1000)//超时时间定位10秒钟 			.setPageParser(new PageParser<PageVo>() { 				@Override 				public void parse(Document html, Element pageVoElement, PageVo pageVo) { 					// 解析封装 PageVo 对象 					// String pageUrl = html.baseUri(); 					// 使用pageVO的方式解析 					// System.out.println(pageUrl + ":" + pageVo.toString()); 					printVo(pageVo); 					aircraftTypeList.add(pageVo); 				} 			}).build(); 	crawler.start(true);// 启动 	// excel工具包 	ExcelUtil<PageVo> util = new ExcelUtil<PageVo>(PageVo.class); 	util.exportExcel(aircraftTypeList, "全球实时执飞所有机型列表-20240707"); 	System.out.println("finished..."); }

        这里的最后,我们将所有飞行器的信息保存到一个list集合中,然后通过list集合写出到excel表格中。这样就可以实现数据的共享了。在IDE中运行上述的程序,在控制台中我们可以看到以下的输出:

        这里贴出几条抓取飞机机型的日志信息:

TestAllAircraftTypeCrawer.PageVo(count=2088, code=A320, aircraftTypeLink=/live/aircrafttype/A320, aircraftType=Airbus A320) TestAllAircraftTypeCrawer.PageVo(count=1833, code=B738, aircraftTypeLink=/live/aircrafttype/B738, aircraftType=Boeing 737-800) TestAllAircraftTypeCrawer.PageVo(count=777, code=A321, aircraftTypeLink=/live/aircrafttype/A321, aircraftType=Airbus A321) TestAllAircraftTypeCrawer.PageVo(count=515, code=B38M, aircraftTypeLink=/live/aircrafttype/B38M, aircraftType=Boeing 737 MAX 8) TestAllAircraftTypeCrawer.PageVo(count=462, code=A20N, aircraftTypeLink=/live/aircrafttype/A20N, aircraftType=Airbus A320neo) TestAllAircraftTypeCrawer.PageVo(count=445, code=A21N, aircraftTypeLink=/live/aircrafttype/A21N, aircraftType=Airbus A321neo) 

        在我们的下载目录,可以看到在目录中已经生成了如下文件,

        打开任意一个机型文件后可以看到如下信息:

         通过以上的代码和成果展示基本已经实现了我们预期目标,成功的将数据进行信息获取。下面我们来对数据进行一个简单的分析。

三、成果分析

        本节将结合上面的数据来试图回答文章的开始时提出的那几个问题。数据会说话,我们来看看商业航班偏爱哪些飞机的机型。

1、商业飞行的飞机机型的种类

        按照我们采集的数据来看,我们分两天不同的时间段来进行采集。以7月7日和7月8日两天采集的飞行航班的飞机种类数量为统计,其数量大致是在:301-352种之间,之所以有这种区别,是因为这是采集的实时航班数。因此数字仅供参考(7月7日是352种,7月8日是301种)。

 2、飞机种类排名前十名

        这里我们来看一下飞机航班数的前10名是哪些飞机(以7月8日的数据为例):

航班数机型代码查询机型超链接详细机型
2088A320/live/aircrafttype/A320Airbus A320
1833B738/live/aircrafttype/B738Boeing 737-800
777A321/live/aircrafttype/A321Airbus A321
515B38M/live/aircrafttype/B38MBoeing 737 MAX 8
462A20N/live/aircrafttype/A20NAirbus A320neo
445A21N/live/aircrafttype/A21NAirbus A321neo
350B789/live/aircrafttype/B789Boeing 787-9 Dreamliner
336A319/live/aircrafttype/A319Airbus A319
330B77W/live/aircrafttype/B77WBOEING 777-300ER
326C172/live/aircrafttype/C172Cessna Skyhawk

        从上图不难看出,空客A320是绝对的空中数量王,稳居第一,排名第二是波音公司的738,第三名又是空客公司的A321。在排名前十的机型中,空客公司和波音公司基本霸榜了。

3、航班数排名后十名

        上面我们看了排名前10名的航空器,接下来我们开看航班数少的航空器。依然以7月8日的数据为例进行说明:

数量机型详情链接详细机型
1P32T/live/aircrafttype/P32TPiper Lance 2
1PA22/live/aircrafttype/PA22Piper PA-22 Tri-Pacer
1PA38/live/aircrafttype/PA38Piper Tomahawk
1PAT4/live/aircrafttype/PAT4Piper PA-31T3-500 T-1040
1PAY1/live/aircrafttype/PAY1Piper Cheyenne
1PTS2/live/aircrafttype/PTS2PITTS Special (S-2)
1R66/live/aircrafttype/R66Robinson R-66
1S61/live/aircrafttype/S61Sikorsky Sea King
1SS2P/live/aircrafttype/SS2PNorth American Rockwell Thrush Commander
1SW4/live/aircrafttype/SW4Fairchild Dornier SA-227DC Metro
1T6/live/aircrafttype/T6North American T-6 Texan
1TB0/live/aircrafttype/TB0
1TB1/live/aircrafttype/TB1
1ULAC/live/aircrafttype/ULACUnknown/Generic Microlight aircraft

4、看中国国产大飞机C919

        众所周知,C919是我们国家设计建造的国产大飞机,这里我们也来看看C919的飞行航班。在表格中找了以下,C919的航班数较少。

2C919COMAC C-919

        可以看到C919的航班还是比较少的,只有两个架次的商业航班。在系统中来看一下他的飞行计划。

 

        当前C919是在中国东方航空公司进行服役,因此想要感受国产大飞机的可能乘坐东航的飞机的时候机会更大。 

四、总结

        以上就是本文的主要内容,本文主要讲解如何采用Java语言和XxlCrawler进行flightaware网的所有商用飞机机型的信息爬取,首先介绍在flightaware网上的所有飞行器数据,然后使用Java语言结合XxlCrawler进行信息抓取,最后得到完整的飞行器数据表格。通过本文,您可以掌握如何获取全球执飞的商用飞机的机型信息,同时掌握在使用XxlCrawler进行信息爬取时,如何获取超链接中Href属性,掌握属性值的正确处理方式。

        文章行文仓促,定有不足支持,还恳请各位朋友专家批评指正,一定虚心接受。

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!