`
jilong-liang
  • 浏览: 481230 次
  • 性别: Icon_minigender_1
  • 来自: 广州
社区版块
存档分类

HttpURLConnection 和HttpClient+Jsoup处理标签抓取页面和模拟登录

HttpURLConnectionHttpClientJsoup 
阅读更多

   HttpURLConnection抓取

package com.app.html;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.io.UnsupportedEncodingException;
import java.io.Writer;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLEncoder;

public class Html {
	private static final String loginURL = "http://login.goodjobs.cn/index.php/action/UserLogin";
	private static final String forwardURL = "http://user.goodjobs.cn/dispatcher.php/module/Personal/?skip_fill=1";
	
	/**
	 * 获取登录页面请求
	 * @param loginUrl登录URL
	 * @param params登录用户名/密码参数
	 * @throws Exception
	 */
	public static String  createHtml(String...params)throws Exception{
		URL url = new URL(loginURL);
		HttpURLConnection conn = (HttpURLConnection) url.openConnection();
		conn.setDoOutput(true);
		loginHtml(conn, params);
		return forwardHtml(conn,url);
	}
	/**
	 * 登录页面
	 * @param conn
	 * @param params登录用户名/密码参数
	 * @throws Exception
	 */
	private static void loginHtml(HttpURLConnection conn, String... params)
			throws Exception {
		OutputStreamWriter out = new OutputStreamWriter(conn.getOutputStream(), "GBK");
		StringBuffer buff=new StringBuffer();
		buff.append("memberName="+URLEncoder.encode(params[0], "UTF-8"));//页面用户名
		buff.append("&password="+URLEncoder.encode(params[1],"UTF-8"));//页面密码
		out.write(buff.toString());//填充参数
		out.flush();
		out.close();
	}
	/**
	 * 转向到定向的页面
	 * @param conn连接对象
	 * @param url重新定向请求URL
	 * @param toUrl定向到页面请求URL
	 * @throws Exception
	 */
	public static String forwardHtml(HttpURLConnection conn,URL url)throws Exception{
		//重新打开一个连接
		String cookieVal = conn.getHeaderField("Set-Cookie");
        url = new URL(forwardURL);
        conn = (HttpURLConnection) url.openConnection();
        conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded"); 
        conn.setRequestProperty("User-Agent","Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; Foxy/1; .NET CLR 2.0.50727;MEGAUPLOAD 1.0)"); 
        conn.setFollowRedirects(false);//置此类是否应该自动执行 HTTP 重定向
        // 取得cookie,相当于记录了身份,供下次访问时使用
		if (cookieVal != null) {
            //发送cookie信息上去,以表明自己的身份,否则会被认为没有权限
			conn.setRequestProperty("Cookie", cookieVal);
		}
		conn.connect();
		InputStream in = conn.getInputStream();
		BufferedReader buffReader = new BufferedReader(	new InputStreamReader(in,"GBK"));
		String line = null;
		String content = "";
		while ((line = buffReader.readLine()) != null) {
			content +="\n" +line;
		}
		//IOUtils.write(result, new FileOutputStream("d:/index.html"),"GBK");
		write(content, "d:/forward.html");
		buffReader.close();
		return content;
	}
	
	/**
	 * 
	 * @param content
	 * @param htmlPath
	 * @return
	 */
	 public static boolean write(String content, String htmlPath) {
	        boolean flag = true;
	        try {
	            Writer out = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(htmlPath), "GBK"));
	            out.write("\n" + content);
	            out.close();
	        } catch (FileNotFoundException ex) {
	            ex.printStackTrace();
	            return false;
	        } catch (UnsupportedEncodingException ex) {
	            ex.printStackTrace();
	            return false;
	        } catch (IOException ex) {
	            ex.printStackTrace();
	            return false;
	        }
	        return flag;
	    }
	
	
	public static void main(String[] args)throws Exception{
		String [] params={"admin","admin12"};
		System.out.println(createHtml(params));
	}
}

 

 HttpClient抓取页面 未处理样式的

package com.app.html;
import java.io.BufferedWriter;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.UnsupportedEncodingException;
import java.io.Writer;
import java.text.SimpleDateFormat;
import java.util.Date;

import org.apache.commons.httpclient.Cookie;
import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.NameValuePair;
import org.apache.commons.httpclient.cookie.CookiePolicy;
import org.apache.commons.httpclient.cookie.CookieSpec;
import org.apache.commons.httpclient.methods.PostMethod;
import org.apache.commons.httpclient.params.HttpMethodParams;

public class HttpClientHtml {
	private static final String SITE = "login.goodjobs.cn";
	private static final int PORT = 80;
	private static final String loginAction = "/index.php/action/UserLogin";
	private static final String forwardURL = "http://user.goodjobs.cn/dispatcher.php/module/Personal/?skip_fill=1";
    
    /**
     * 模拟等录 
     * @param LOGON_SITE
     * @param LOGON_PORT
     * @param login_Action
     * @param params
     * @throws Exception
     */
    private static HttpClient loginHtml(String LOGON_SITE, int LOGON_PORT,String login_Action,String ...params) throws Exception {
        HttpClient client = new HttpClient();
        client.getHostConfiguration().setHost(LOGON_SITE, LOGON_PORT);
        // 模拟登录页面
        PostMethod post = new PostMethod(login_Action);
        NameValuePair userName = new NameValuePair("memberName",params[0] );
        NameValuePair password = new NameValuePair("password",params[1] );
        post.setRequestBody(new NameValuePair[] { userName, password });
        client.executeMethod(post);
        post.releaseConnection();
        // 查看cookie信息
        CookieSpec cookiespec = CookiePolicy.getDefaultSpec();
        Cookie[] cookies = cookiespec.match(LOGON_SITE, LOGON_PORT, "/", false,
                client.getState().getCookies());
        if (cookies != null)
            if (cookies.length == 0) {
                   System.out.println("Cookies is not Exists ");
            } else {
                for (int i = 0; i < cookies.length; i++) {
                    System.out.println(cookies[i].toString());
                }
            }
        return client;
    }
    /**
     * 模拟等录 后获取所需要的页面
     * @param client
     * @param newUrl
     * @throws Exception
     */
    private static void createHtml(HttpClient client, String newUrl)
            throws  Exception {
        PostMethod post = new PostMethod(newUrl);
        client.executeMethod(post);
        post.getParams().setParameter(HttpMethodParams.HTTP_CONTENT_CHARSET, "GBK");
        String content= post.getResponseBodyAsString();
        SimpleDateFormat format=new SimpleDateFormat("yyyy-MM-dd");
        //IOUtils.write(content, new FileOutputStream("d:/"+format.format(new Date())+".html"),"GBK");
        write(content,"d:/"+format.format(new Date())+".html");
        post.releaseConnection();
    }
  
    
	
    public static void main(String[] args) throws Exception {
    	String [] params={"admin","admin123"};
        HttpClient client = loginHtml(SITE, PORT, loginAction,params);
        // 访问所需的页面
        createHtml(client, forwardURL);
     
        //System.out.println(UUID.randomUUID());
    }
    
    
    /**
	 * 
	 * @param content
	 * @param htmlPath
	 * @return
	 */
	 public static boolean write(String content, String htmlPath) {
	        boolean flag = true;
	        try {
	            Writer out = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(htmlPath), "GBK"));
	            out.write("\n" + content);
	            out.close();
	        } catch (FileNotFoundException ex) {
	            ex.printStackTrace();
	            return false;
	        } catch (UnsupportedEncodingException ex) {
	            ex.printStackTrace();
	            return false;
	        } catch (IOException ex) {
	            ex.printStackTrace();
	            return false;
	        }
	        return flag;
	    }
}

 

 

 

HttpClient抓取页面处理样式的页面效果（连接服务器站点的css）

package com.app.html;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.text.SimpleDateFormat;
import java.util.Date;

import org.apache.commons.httpclient.Cookie;
import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.NameValuePair;
import org.apache.commons.httpclient.cookie.CookiePolicy;
import org.apache.commons.httpclient.cookie.CookieSpec;
import org.apache.commons.httpclient.methods.PostMethod;
import org.apache.commons.httpclient.params.HttpMethodParams;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import com.app.comom.FileUtil;

public class HttpClientHtml {
	private static final String SITE = "login.goodjobs.cn";
	private static final int PORT = 80;
	private static final String loginAction = "/index.php/action/UserLogin";
	private static final String forwardURL = "http://user.goodjobs.cn/dispatcher.php/module/Personal/?skip_fill=1";
	private static final String toUrl = "d:\\test\\";
	private static final String css = "http://user.goodjobs.cn/personal.css";
	private static final String Img = "http://user.goodjobs.cn/images";
	private static final String _JS = "http://user.goodjobs.cn/scripts/fValidate/fValidate.one.js";
    /**
     * 模拟等录 
     * @param LOGON_SITE
     * @param LOGON_PORT
     * @param login_Action
     * @param params
     * @throws Exception
     */
    private static HttpClient loginHtml(String LOGON_SITE, int LOGON_PORT,String login_Action,String ...params) throws Exception {
        HttpClient client = new HttpClient();
        client.getHostConfiguration().setHost(LOGON_SITE, LOGON_PORT);
        // 模拟登录页面
        PostMethod post = new PostMethod(login_Action);
        NameValuePair userName = new NameValuePair("memberName",params[0] );
        NameValuePair password = new NameValuePair("password",params[1] );
        post.setRequestBody(new NameValuePair[] { userName, password });
        client.executeMethod(post);
        post.releaseConnection();
        // 查看cookie信息
        CookieSpec cookiespec = CookiePolicy.getDefaultSpec();
        Cookie[] cookies = cookiespec.match(LOGON_SITE, LOGON_PORT, "/", false,
                client.getState().getCookies());
        if (cookies != null)
            if (cookies.length == 0) {
                   System.out.println("Cookies is not Exists ");
            } else {
                for (int i = 0; i < cookies.length; i++) {
                    System.out.println(cookies[i].toString());
                }
            }
        return client;
    }
    /**
     * 模拟等录 后获取所需要的页面
     * @param client
     * @param newUrl
     * @throws Exception
     */
    private static String  createHtml(HttpClient client, String newUrl) throws  Exception {
    	SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd");
		String filePath = toUrl	+ format.format(new Date() )+ "_" + 1 + ".html";
        PostMethod post = new PostMethod(newUrl);
        client.executeMethod(post);
        //设置编码
        post.getParams().setParameter(HttpMethodParams.HTTP_CONTENT_CHARSET, "GBK");
        String content= post.getResponseBodyAsString();
        FileUtil.write(content, filePath);
		System.out.println("\n写入文件成功!");
        post.releaseConnection();
        return filePath;
    }
    /**
	 * 解析html代码
	 * @param filePath
	 * @param random
	 * @return
	 */
	private static String JsoupFile(String filePath, int random) {
		
		SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd");
		File infile = new File(filePath);
		String url = toUrl + format.format(new Date()) + "_new_" + random+ ".html";
				
		try {
			File outFile = new File(url);
			Document doc = Jsoup.parse(infile, "GBK");
			String html="<!DOCTYPE HTML PUBLIC '-//W3C//DTD HTML 4.01 Transitional//EN'>";
			StringBuffer sb = new StringBuffer();
			sb.append(html).append("\n");
			sb.append("<html>").append("\n");
			sb.append("<head>").append("\n");
			sb.append("<title>欢迎使用新安人才网个人专区</title>").append("\n");
			Elements meta = doc.getElementsByTag("meta");
			sb.append(meta.toString()).append("\n");
			 
			////////////////////////////body//////////////////////////
			Elements body = doc.getElementsByTag("body");
			
			////////////////////////////link//////////////////////////
			Elements links = doc.select("link");//对link标签有href的路径都作处理
			
			for (Element link : links) {
				String hrefAttr = link.attr("href");
				if (hrefAttr.contains("/personal.css")) {
					hrefAttr = hrefAttr.replace("/personal.css",css);
					Element hrefVal=link.attr("href", hrefAttr);//修改href的属性值
					sb.append(hrefVal.toString()).append("\n");
				}
			}
			////////////////////////////script//////////////////////////
			Elements scripts = doc.select("script");//对script标签 
			for (Element js : scripts) {
				String jsrc = js.attr("src");
				if (jsrc.contains("/fValidate.one.js")) {
					String oldJS="/scripts/fValidate/fValidate.one.js";//之前的css
					jsrc = jsrc.replace(oldJS,_JS);
					Element val=js.attr("src", jsrc);//修改href的属性值
					sb.append(val.toString()).append("\n").append("</head>");
				}
			}
			
			////////////////////////////script//////////////////////////
			Elements tags = body.select("*");//对所有标签有src的路径都作处理
			for (Element tag : tags) {
				String src = tag.attr("src");
				if (src.contains("/images")) {
					src = src.replace("/images",Img);
					tag.attr("src", src);//修改src的属性值
				}
			}

			sb.append(body.toString());
			sb.append("</html>");
			
			BufferedReader in = new BufferedReader(new FileReader(infile));
			Writer out = new BufferedWriter(new OutputStreamWriter(	new FileOutputStream(outFile), "gbk"));
			String content = sb.toString();
			out.write(content);
			in.close();
			
			System.out.println("页面已经爬完");
			out.close();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return url;
	}
	
    public static void main(String[] args) throws Exception {
    	String [] params={"admin","admin123"};
        HttpClient client = loginHtml(SITE, PORT, loginAction,params);
        // 访问所需的页面
        String path=createHtml(client, forwardURL);
       System.out.println( JsoupFile(path,1));
    }
    
}

 

 HttpClient抓取页面处理样式的页面效果（从网站下载以txt格式文件写入html处理的css）

package com.app.html;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.text.SimpleDateFormat;
import java.util.Date;

import org.apache.commons.httpclient.Cookie;
import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.NameValuePair;
import org.apache.commons.httpclient.cookie.CookiePolicy;
import org.apache.commons.httpclient.cookie.CookieSpec;
import org.apache.commons.httpclient.methods.PostMethod;
import org.apache.commons.httpclient.params.HttpMethodParams;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import com.app.comom.FileUtil;

public class HttpClientHtml {
	private static final String SITE = "login.goodjobs.cn";
	private static final int PORT = 80;
	private static final String loginAction = "/index.php/action/UserLogin";
	private static final String forwardURL = "http://user.goodjobs.cn/dispatcher.php/module/Personal/?skip_fill=1";
	private static final String toUrl = "d:\\test\\";
	private static final String hostCss  = "d:\\test\\style.txt";
	private static final String Img = "http://user.goodjobs.cn/images";
	private static final String _JS = "http://user.goodjobs.cn/scripts/fValidate/fValidate.one.js";
    /**
     * 模拟等录 
     * @param LOGON_SITE
     * @param LOGON_PORT
     * @param login_Action
     * @param params
     * @throws Exception
     */
    private static HttpClient loginHtml(String LOGON_SITE, int LOGON_PORT,String login_Action,String ...params) throws Exception {
        HttpClient client = new HttpClient();
        client.getHostConfiguration().setHost(LOGON_SITE, LOGON_PORT);
        // 模拟登录页面
        PostMethod post = new PostMethod(login_Action);
        NameValuePair userName = new NameValuePair("memberName",params[0] );
        NameValuePair password = new NameValuePair("password",params[1] );
        post.setRequestBody(new NameValuePair[] { userName, password });
        client.executeMethod(post);
        post.releaseConnection();
        // 查看cookie信息
        CookieSpec cookiespec = CookiePolicy.getDefaultSpec();
        Cookie[] cookies = cookiespec.match(LOGON_SITE, LOGON_PORT, "/", false,
                client.getState().getCookies());
        if (cookies != null)
            if (cookies.length == 0) {
                   System.out.println("Cookies is not Exists ");
            } else {
                for (int i = 0; i < cookies.length; i++) {
                    System.out.println(cookies[i].toString());
                }
            }
        return client;
    }
    /**
     * 模拟等录 后获取所需要的页面
     * @param client
     * @param newUrl
     * @throws Exception
     */
    private static String  createHtml(HttpClient client, String newUrl) throws  Exception {
    	SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd");
		String filePath = toUrl	+ format.format(new Date() )+ "_" + 1 + ".html";
        PostMethod post = new PostMethod(newUrl);
        client.executeMethod(post);
        //设置编码
        post.getParams().setParameter(HttpMethodParams.HTTP_CONTENT_CHARSET, "GBK");
        String content= post.getResponseBodyAsString();
        FileUtil.write(content, filePath);
		System.out.println("\n写入文件成功!");
        post.releaseConnection();
        return filePath;
    }
    /**
	 * 解析html代码
	 * @param filePath
	 * @param random
	 * @return
	 */
	private static String JsoupFile(String filePath, int random) {
		
		SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd");
		File infile = new File(filePath);
		String url = toUrl + format.format(new Date()) + "_new_" + random+ ".html";
				
		try {
			File outFile = new File(url);
			Document doc = Jsoup.parse(infile, "GBK");
			String html="<!DOCTYPE HTML PUBLIC '-//W3C//DTD HTML 4.01 Transitional//EN'>";
			StringBuffer sb = new StringBuffer();
			sb.append(html).append("\n");
			sb.append("<html>").append("\n");
			sb.append("<head>").append("\n");
			sb.append("<title>欢迎使用新安人才网个人专区</title>").append("\n");
			Elements meta = doc.getElementsByTag("meta");
			sb.append(meta.toString()).append("\n");
			 /////////////////////////////本地css////////////////////////////
			
			File cssFile = new File(hostCss);
			BufferedReader in = new BufferedReader(new FileReader(cssFile));
	        Writer out = new BufferedWriter(new OutputStreamWriter( new FileOutputStream(outFile), "gbk"));  
			String content=in.readLine();
			while(content!=null){
				//System.out.println(content);
				sb.append(content+"\n");
				content=in.readLine();
			}
			
			in.close();
			////////////////////////////处理body标签//////////////////////////
			Elements body = doc.getElementsByTag("body");
			
			 
			////////////////////////////处理script标签//////////////////////////
			Elements scripts = doc.select("script");//对script标签 
			for (Element js : scripts) {
				String jsrc = js.attr("src");
				if (jsrc.contains("/fValidate.one.js")) {
					String oldJS="/scripts/fValidate/fValidate.one.js";//之前的css
					jsrc = jsrc.replace(oldJS,_JS);
					Element val=js.attr("src", jsrc);//修改href的属性值
					sb.append(val.toString()).append("\n").append("</head>");
				}
			}
			
			////////////////////////////处理所有src的属性值//////////////////////////
			Elements tags = body.select("*");//对所有标签有src的路径都作处理
			for (Element tag : tags) {
				String src = tag.attr("src");
				if (src.contains("/images")) {
					src = src.replace("/images",Img);
					tag.attr("src", src);//修改src的属性值
				}
			}

			sb.append(body.toString());
			sb.append("</html>");
			
			out.write(sb.toString());
			in.close();
			
			System.out.println("页面已经爬完");
			out.close();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return url;
	}
	
    public static void main(String[] args) throws Exception {
    	String [] params={"admin","admin123"};
        HttpClient client = loginHtml(SITE, PORT, loginAction,params);
        // 页面生成
        String path=createHtml(client, forwardURL);
        System.out.println( JsoupFile(path,1));
    }
    
}

 

0
顶
1
踩
分享到：
| DataSource 使用
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    httpclient-4.3.3+jsoup-1.7.3模拟登陆csdn

    本项目涉及的是使用Apache HttpClient 4.3.3和Jsoup 1.7.3这两个开源库来实现对CSDN（China Software Developer Network）网站的模拟登录，并在成功登录后抓取用户的个人主页内容。下面将详细阐述这两个库的功能以及...

    spring boot+java +jsoup+ 爬虫

    本文将深入探讨这些技术如何协同工作，以及如何利用它们来抓取和处理网页上的图片资源。 首先，Spring Boot 是一个由Pivotal团队开发的框架，它简化了基于Spring的应用程序开发过程。通过自动配置、嵌入式服务器等...

    知网-基于Java+HtmlUtil+jsoup实现爬取知网中国专利数据.zip

    在本项目中，我们主要探讨如何使用Java编程语言，结合HtmlUtil和Jsoup库来爬取并解析知网上的中国专利数据。知网是中国最大的学术文献数据库，包含大量的专利信息，对于研究者和开发者来说，能够高效地获取这些数据...

    vPaser+jsoup

    **vParser+jsoup**是一种组合使用vParser和jsoup库来解析静态网页并提取其中数据的方法。在IT行业中，这种技术广泛应用于Web抓取、数据挖掘和自动化测试等领域。以下将详细介绍这两个库以及如何结合它们来实现所需...

    使用Jsoup，抓取整个网站(包括图片、js、css)

    对于图片，我们使用`&lt;img&gt;`标签的`src`属性获取URL，然后使用Java的`HttpURLConnection`或第三方库如Apache HttpClient下载图片，保存到本地，并将`src`属性替换为本地路径。 对于CSS和JavaScript，情况类似。`...

    基于Springboot+Jsoup实现网上免费公开图片资源爬取

    3. **异常处理**：对可能出现的网络异常、解析错误等进行捕获和处理，保持程序的健壮性。 4. **日志记录**：记录爬取过程中的重要信息，便于问题排查和分析。 5. **结果存储**：将爬取到的图片信息（如URL、文件名、...

    jsoup从网络上抓取图片

    现在我们有了图片的URL，可以使用Java的`HttpURLConnection`或者第三方库如Apache HttpClient来下载图片。以下是一个简单的下载函数： ```java public static void downloadImage(String imageUrl, String savePath...

    java网络爬虫-通过登陆网站携带COOKIE信息爬取网站数据

    Java网络爬虫是一种用于自动化获取网页信息的程序，它能够模拟浏览器的行为，通过发送HTTP请求并接收响应来抓取网页内容。在这个特定的场景中，爬虫需要处理登录过程，以便能够携带有效的COOKIE信息来访问受保护的...

    java网络爬虫模拟登入抓取数据

    在Java中，我们可以使用`HttpURLConnection`、`HttpClient`或`Jsoup`等库来实现模拟登录。以下是一个基本的模拟登录流程： 1. **获取登录页面**：首先，我们向登录页面发送一个GET请求，获取登录页面的HTML内容。...

    HttpClient 网络抓取

    在HttpClient和Jsoup结合使用时，HttpClient负责获取网页源代码，Jsoup则负责解析和提取数据，两者协同工作，实现高效的网络抓取任务。对于标签中提到的“源码”部分，深入理解这两者的内部实现可以帮助我们更好地...

    java最新完美实现模拟登录QQ登录QQ空间获取说说

    在本文中，我们将深入探讨如何使用Java技术模拟登录QQ并获取QQ空间的说说。首先，我们要明白模拟登录是通过编程方式复现用户手动登录的过程，通常涉及HTTP请求、Cookie管理以及网页解析等技术。在这个场景中，我们将...

    写程序模拟通过web界面登录mail.people.com.cn。并通过web界面获得收件箱第一页的邮件列表。

    3. **模拟登录**：使用库如Apache HttpClient、Jsoup或Java内置的HttpURLConnection，可以构建模拟登录的功能。需要构造正确的HTTP请求，包含必要的cookies和session信息，以确保登录状态被正确维护。 4. **HTML...

    模拟百度登录

    此外，模拟登录还可能涉及到验证码识别和处理，如果百度登录有此环节，我们需要集成OCR技术（如Tesseract）来识别图片中的验证码，并将其作为参数发送。 总之，模拟百度登录是一个涉及网络请求、HTML解析、数据提交...

    java爬虫模拟登陆源码

    2. **构造请求**：使用Java的HttpURLConnection或HttpClient库，构造一个与登录页面相同的POST请求。设置请求头（如User-Agent），添加必要的Cookie信息，以及填充用户名和密码。 3. **发送请求并处理响应**：发送...

    页面抓取的全部代码，可以跑的

    5. **存储和处理数据**：抓取的数据通常需要存储（如CSV、JSON文件）或进一步处理（如数据分析、机器学习）。Java提供了很多库，如Apache Commons CSV、Jackson等，来帮助处理这些任务。 6. **遵守robots.txt**：在...

    Jsoup 网络爬虫（动态ip代理，突破ip访问次数限制） 爬取全国各省市区数据

    Jsoup 是一个非常流行的Java库，用于处理HTML和XML文档，它提供了丰富的API来抓取、解析和操作网页内容。...通过实践，我们可以提升网络爬虫的技能，同时理解如何在遵守规范的前提下，有效地抓取和处理网页数据。

    JAVA 模拟网页是登录

    6. **实战应用**：在压缩包中的`HtmlParse`文件中，可能包含了示例代码，演示了如何结合JSOUP和Java的网络请求功能实现模拟登录。通过阅读和理解这段代码，你可以更深入地了解上述步骤的实际操作。 总的来说，Java...

    最新版java模拟QQ登录空间

    【标签】中的“Java模拟QQ”特别强调了Java在模拟登录中的应用，这可能涵盖了网络爬虫的相关技术。虽然模拟登录不完全等同于爬虫，但两者都涉及到网络数据的抓取。理解如何使用Jsoup或HttpClient库解析HTML页面，...

    Java模拟登录百度Demo

    在IT行业中，模拟登录是一项常见的任务，特别是在自动化测试、数据抓取或数据分析等场景下。本项目名为"Java模拟登录百度Demo"，旨在通过Java编程语言实现对百度网站的自动登录功能。在这个教程中，我们将深入探讨...

    对指定页面进行抓取

    在"对指定页面进行抓取"的场景中，我们主要关注GET请求，这是最简单且最常见的网页抓取方式。 下面，我们将详细阐述如何使用`HttpURLConnection`进行网页抓取： 1. **建立连接**：首先，我们需要创建一个URL对象，...

Magicbox
Global site tag (gtag.js) - Google Analytics