- 浏览: 138759 次
- 性别:
- 来自: 南京
文章分类
最新评论
-
zheng_zhimeng:
这个版本在linux的版本下有问题,亲们用的没有问题么
文档展示:IcePDF 将PDF转换为图片 -
yuming.xiao:
转换的某些图片,有些模糊。不知道楼主遇到这个问题没有
文档展示:IcePDF 将PDF转换为图片 -
zenghongqing:
您好,请教您一个问题://cell内容字符串总宽度 doub ...
Java POI Excel 行高自适应 -
xiang37:
http://xiva.iteye.com/blog/2066 ...
视频分割项目预研 -
I白I:
怎么还配置数据库了?
视频分割项目预研
xml dom 对大多数java程序员来说并不陌生,但是html dom可能就不是那么面善了。
jsoup 就是用来处理 html dom的一个组件。其与dom4j、xstream等xml dom组件类似。
jsoup加载完html文本生成document对象之后,用来操作dom的通用操作就可以使用了。如:getElementById、getElementsByName等。
代码:加载html文本为dom对象,获取id为username的元素的属性value的值
另附上 httpclient jar包 jsoup jar包
httpclient设置头部参数,以及获取头部参数,设置消息体参数的代码:
httpclient设置头部参数
httpclient发送get请求
发送post请求
jsoup 就是用来处理 html dom的一个组件。其与dom4j、xstream等xml dom组件类似。
jsoup加载完html文本生成document对象之后,用来操作dom的通用操作就可以使用了。如:getElementById、getElementsByName等。
代码:加载html文本为dom对象,获取id为username的元素的属性value的值
Document doc = Jsoup.parse(htmlString); String username = doc.getElementById("username").attr("value");
另附上 httpclient jar包 jsoup jar包
httpclient设置头部参数,以及获取头部参数,设置消息体参数的代码:
httpclient设置头部参数
/** * 设置请求头 * @param post */ private static void setHeaders(HttpPost post) { post.setHeader("Accept", "text/html, application/xhtml+xml, */*"); post.setHeader("Accept-Language", "zh-CN"); post.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko"); post.setHeader("Content-Type", "application/x-www-form-urlencoded"); post.setHeader("Accept-Encoding", "gzip, deflate"); post.setHeader("DNT", "1"); post.setHeader("Connection", "Keep-Alive"); post.setHeader("Cache-Control", "no-cache"); post.setHeader("Cookie", Cookie); } /** * 设置请求头 * @param get */ private static void setHeaders(HttpGet get) { get.setHeader("Accept", "text/html, application/xhtml+xml, */*"); get.setHeader("Accept-Language", "zh-CN"); get.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko"); get.setHeader("Content-Type", "application/x-www-form-urlencoded"); get.setHeader("Accept-Encoding", "gzip, deflate"); get.setHeader("DNT", "1"); get.setHeader("Connection", "Keep-Alive"); get.setHeader("Cache-Control", "no-cache"); get.setHeader("Cookie", Cookie); }
httpclient发送get请求
private static String getSessionId() throws IOException, Exception { HttpClient client = new DefaultHttpClient(); HttpGet get = new HttpGet("http://url/"); HttpResponse responsex = client.execute(get); Header[] headers = responsex.getAllHeaders(); for (int i = 0; i < headers.length; i++) { Header header = headers[i]; String name = header.getName(); String value = header.getValue(); if("Set-Cookie".equals(name)){ String[] vals = value.split(";"); for (int j = 0; j < vals.length; j++) { String val = vals[j]; if(val.contains("ASP.NET_SessionId")){ Cookie = val; } } } } if(!responsex.getStatusLine().toString().contains("HTTP/1.1 200 OK")){ throw new RuntimeException("某某失败"); } HttpEntity entityx = responsex.getEntity(); String entityMsgx = EntityUtils.toString(entityx); //解析html dom 得到输入参数 Document doc = Jsoup.parse(entityMsgx); resetAllParams(); __VIEWSTATE = doc.getElementById("__VIEWSTATE").attr("value"); __EVENTVALIDATION = doc.getElementById("__EVENTVALIDATION").attr("value"); isOpen = doc.getElementById("isOpen").attr("value"); btlogin = doc.getElementById("btlogin").attr("value"); return Cookie; }
发送post请求
/** * 登录 * @param username * @param password * @throws IOException * @throws Exception */ public static boolean login(String username, String password) throws IOException, Exception { //先访问首页获取sessionid getSessionId(); //执行登陆过程 HttpClient client = new DefaultHttpClient(); HttpPost post = new HttpPost("http://loginurl"); post.setHeader("Referer", "http://loginurl"); setHeaders(post); // 登录表单的信息 List<NameValuePair> qparams = new ArrayList<NameValuePair>(); qparams.add(new BasicNameValuePair("__VIEWSTATE", __VIEWSTATE)); qparams.add(new BasicNameValuePair("__EVENTVALIDATION", __EVENTVALIDATION)); qparams.add(new BasicNameValuePair("isOpen", isOpen)); qparams.add(new BasicNameValuePair("Text1", username)); qparams.add(new BasicNameValuePair("Password1", password)); qparams.add(new BasicNameValuePair("btlogin", btlogin)); UrlEncodedFormEntity params = new UrlEncodedFormEntity(qparams, "utf-8"); post.setEntity(params); // 相当于按了下确定登录的按钮,也就是浏览器调转了 HttpResponse response = client.execute(post); if(!response.getStatusLine().toString().contains("HTTP/1.1 200 OK")){ throw new RuntimeException("离校系统登陆失败"); } HttpEntity entity = response.getEntity(); String entityMsg = EntityUtils.toString(entity); if(entityMsg.contains("该用户不存在或用户名密码错误")){ throw new RuntimeException("该用户不存在或用户名密码错误"); } return true; }
- jar.zip (1.4 MB)
- 下载次数: 2
发表评论
-
oracle按照某一字段里的数字排序
2014-10-21 19:59 1088select * from LSK_SBCAJ t ord ... -
JS onkeydown onenter
2014-10-20 16:53 1002html中 onenter不是一个标准的事件。 js 中仿o ... -
Java数组删除指定元素
2014-09-18 11:30 2252package com.zas.util; impo ... -
sql 去重
2014-09-18 10:43 637delete from table t1 where t1.i ... -
linux 干掉所有java进程
2014-08-07 12:31 1031ps -ef|grep java|grep -v grep|c ... -
Oracle自带连接池使用(转载收录)
2014-07-31 10:01 1410最近在搞数据迁移:从sql server 迁数据到oracle ... -
Oracle 清库脚本
2014-07-08 22:40 1313清库脚本一份 表dossier_group 的字段Dossi ... -
Java 对象存储到oracle Blob字段
2014-07-08 14:52 1099Java 数据对象在没有持久存储到业务表时,可能需要临时存 ... -
Java 科学计数法数字转字符串
2014-07-08 14:30 1509科学计数法数字转字符串,记录代码,留后使用 double ... -
突破tomcat jsp编译65535行的限制
2014-07-04 17:16 4791使用tomcat时有可能会遇到其对jsp编译行数的限制, ... -
oracle 函数中游标及递归的应用
2014-06-19 17:13 1420在代码中使用递归可能大部分程序员都不陌生,但是在存储过程或 ... -
视频操作类
2014-06-19 17:04 1135接 视频分割项目预研 http://zhuyufufu.i ... -
视频分割项目预研
2014-06-11 16:12 2271由于工作需要,研究下视频切割。 现在的情况:视频切割是重中之 ... -
Java POI Excel 行高自适应
2014-03-28 14:08 15882在Excel处理的过程中,可能有需要用到行高自适应的时候。 ... -
Java POI Excel sheet 合并遇到的问题解决2
2014-03-25 18:03 3247上接 Java POI Excel sheet 合并 http ... -
文档展示:使用iText转换各种图片为PDF
2014-03-23 12:38 2906如题: 下面这段代码可以处理各种格式的图片,代码的出处忘记了 ... -
Java 进程执行外部程序,造成外部程序阻塞的一种原因
2014-03-23 12:06 1466前一阵子在研究文档展示时使用了java进程直接调用外部程序 ... -
Java POI Excel sheet 合并遇到的问题解决
2014-03-23 11:30 5123上接 Java POI Excel sheet http:// ... -
Java POI Excel sheet合并
2014-03-19 10:59 6628由于工作上的需要,特地研究了下Excel合并的问题,现贴出来, ... -
文档展示:IcePDF 将PDF转换为图片
2014-02-11 16:35 4942上接 文档展示:PDFRender 将PDF转换为图片 htt ...
相关推荐
HttpClient与JSoup结合使用,可以实现更高级的网页访问和数据获取。 **结合使用JSoup和HTTPClient** 将JSoup与HTTPClient结合,可以创建一个高效且灵活的网页爬虫。首先,HTTPClient负责发起HTTP请求,获取网页的...
JSoup 将网页内容解析为一个复杂的 DOM 树结构,使得开发者可以通过 CSS 选择器或者直接的节点遍历来查找、提取和修改数据。 例如,要从一个网页中抓取所有的段落(`<p>` 标签),你可以使用以下 JSoup 代码: ```...
JSoup与HttpClient是Java开发中常用的两个库,分别用于处理HTML文档解析和网络请求。在本教程中,我们将深入探讨这两个工具,并了解如何结合使用它们来实现对视频网站的爬虫功能。 **1. JSoup:Java HTML解析器** ...
在这个压缩包文件中,包含了两个关键的库:Jsoup和Httpclient,它们是Java爬虫开发中常用的工具。 **Jsoup** 是一个Java库,设计用于处理实际世界的HTML。它提供了非常方便的API,用于提取和操作数据,使用DOM、CSS...
Jsoup是一个强大的HTML解析库,可以解析HTML文档并提供一个友好的DOM API,类似于jQuery,使得我们可以方便地提取和操作HTML元素。它支持CSS选择器、HTML实体解码、链接处理等特性。例如,以下代码展示了如何用Jsoup...
Jsoup+httpclient 模拟登录和抓取知识点: 1. Jsoup库使用介绍: - Jsoup是一个Java的HTML解析器,能够直接解析HTML文档,提供类似于jQuery的操作方法。 - 主要功能包括从URL、文件或字符串中解析HTML,使用DOM或...
Jsoup是一个强大的Java库,设计用于解析HTML并提供类似于DOM、CSS和jQuery的API进行操作。它可以帮助我们方便地提取和修改HTML文档的数据。 3. **Jsoup的常用功能**: - 解析HTML:使用Jsoup.parse()方法可以将...
Jsoup和HTTPClient是Java开发中常用的两个库,它们分别用于处理HTML解析和网络请求。 首先,Jsoup是一个Java库,设计用于提取和操作结构化的HTML数据。它提供了类似于jQuery的API,使得开发者可以方便地查找、遍历...
Jsoup库则通过提供类似于DOM的API,使得处理HTML文档变得简单。它可以解析HTML,查找并提取数据,甚至可以修改文档结构。例如,以下代码展示了如何使用Jsoup连接到一个网站并获取页面标题: ```java Document doc =...
这篇博客“HttpClient Jsoup爬取天气预报”可能讲述了如何结合这两者来获取并解析网页上的天气预报信息。 首先,HttpClient允许开发者发送各种HTTP请求(如GET、POST等)到服务器,并接收响应。在爬虫应用中,通常...
在Java开发中,HttpClient和Jsoup是两个非常重要的库,分别用于处理HTTP协议的客户端请求和解析HTML内容。本文将详细介绍如何将HttpClient与Jsoup整合,以便在进行网络请求时获取并解析网页数据。 HttpClient是...
HttpClient提供了低级别的HTTP通信能力,而Jsoup则是一个解析和操作HTML文档的强大工具。本教程将详细介绍如何结合使用HttpClient与Jsoup来抓取和处理网页数据。 HttpClient是Apache基金会开发的一个开放源代码库,...
- Jsoup是由Jonathon Hedley开发的开源库,它实现了HTML5的DOM解析器,并提供了CSS选择器和类似于jQuery的操作API。 - 这个库的主要功能包括:解析HTML,提取结构化数据,修改HTML文档,以及进行HTML清理。 2. **...
本篇文章以"一篇文章精通系列-案例开发-巨细"为主题,详细介绍了如何使用HttpClient5、jsoup、WebMagic以及spider-flow这四个关键工具来构建一个强大的Java爬虫系统。以下是对这些工具和技术的深入解析。 首先,...
总的来说,HttpClient负责网络通信,jsoup处理HTML内容,而HtmlParser和htmllexer则用于更精细的HTML解析工作。了解和掌握这些库的使用,对于提升Java爬虫的开发效率和质量至关重要。在实践中,根据具体需求选择合适...
Jsoup能帮助我们提取和操作数据,如查找特定标签、提取文本、修改DOM结构等,是网页数据抓取和信息筛选的理想选择。 以下是一个简单的使用HttpClient和Jsoup模拟登录广工图书馆网站的步骤: 1. **获取登录页面**:...
jsoup模仿了浏览器的行为,能够解析HTML文档,提取结构化数据,并可以执行DOM操作。在这个资料包中,你可能会找到关于如何使用jsoup进行网页抓取、解析和清洗的详细教程、示例代码和相关文档。 1. **HTML解析** - ...
2. **DOM操作**:如同XML DOM,Jsoup允许开发者通过Element、Node等接口访问和修改HTML结构。例如,可以使用`element.tagName()`获取元素标签,`element.text()`获取元素文本,`element.attr(attributeName)`获取...
本主题主要关注如何使用`httpclient4.*`库来绕过验证码获取公司信息,以及结合`jsoup`解析静态网页信息和`htmlUnit`处理动态网站的抓取。以下是对这些知识点的详细说明: 1. **httpclient4.***: Apache HttpClient...