快捷導(dǎo)航

JAVA使用HtmlUnit爬蟲工具模擬登陸CSDN案例

更新時間：2018年12月07日 14:37:32 作者：執(zhí)筆記憶的空白

今天小編就為大家分享一篇關(guān)于JAVA使用HtmlUnit爬蟲工具模擬登陸CSDN案例，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧

最近要弄一個爬蟲程序，想著先來個簡單的模擬登陸，在權(quán)衡JxBrowser和HtmlUnit 兩種技術(shù)， JxBowser有界面呈現(xiàn)效果，但是對于某些js跳轉(zhuǎn)之后的效果獲取比較繁瑣。

隨后考慮用HtmlUnit，想著借用咱們CSND的登陸練練手。誰知道CSDN的登陸，js加載時間超長，不設(shè)置長一點的加載時間，按鈕提交根本沒效果，js沒生效。具體看代碼注釋吧。奉勸做爬蟲的同志們，千萬別用CSDN登陸練手，坑死我了。

maven配置如下：

 <dependencies>
 <!-- https://mvnrepository.com/artifact/net.sourceforge.htmlunit/htmlunit -->
 <dependency>
 <groupId>net.sourceforge.htmlunit</groupId>
 <artifactId>htmlunit</artifactId>
 <version>2.18</version>
 </dependency>
 <!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
 <dependency>
 <groupId>org.jsoup</groupId>
 <artifactId>jsoup</artifactId>
 <version>1.9.2</version>
 </dependency>
 </dependencies>

代碼如下：

package com.test;
import java.io.IOException;
import java.net.MalformedURLException;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
import com.gargoylesoftware.htmlunit.BrowserVersion;
import com.gargoylesoftware.htmlunit.FailingHttpStatusCodeException;
import com.gargoylesoftware.htmlunit.NicelyResynchronizingAjaxController;
import com.gargoylesoftware.htmlunit.SilentCssErrorHandler;
import com.gargoylesoftware.htmlunit.WebClient;
import com.gargoylesoftware.htmlunit.html.HtmlButtonInput;
import com.gargoylesoftware.htmlunit.html.HtmlForm;
import com.gargoylesoftware.htmlunit.html.HtmlPage;
import com.gargoylesoftware.htmlunit.html.HtmlPasswordInput;
import com.gargoylesoftware.htmlunit.html.HtmlTextInput;
import com.gargoylesoftware.htmlunit.util.Cookie;
public class SimulateLogin
{
 //訪問的目標(biāo)網(wǎng)址（CSDN）
 private static String TARGET_URL = "https://passport.csdn.net/account/login?from=http://www.csdn.net";
 public static void main(String[] args) throws FailingHttpStatusCodeException, MalformedURLException, IOException
 {
  // 模擬一個瀏覽器
  WebClient webClient = new WebClient(BrowserVersion.CHROME);
  // 設(shè)置webClient的相關(guān)參數(shù)
  webClient.setCssErrorHandler(new SilentCssErrorHandler()); 
  //設(shè)置ajax
  webClient.setAjaxController(new NicelyResynchronizingAjaxController());
  //設(shè)置支持js
  webClient.getOptions().setJavaScriptEnabled(true);
  //CSS渲染禁止
  webClient.getOptions().setCssEnabled(false);
  //超時時間
  webClient.getOptions().setTimeout(50000);
  //設(shè)置js拋出異常:false
  webClient.getOptions().setThrowExceptionOnScriptError(false);
  //允許重定向
  webClient.getOptions().setRedirectEnabled(true); 
  //允許cookie
  webClient.getCookieManager().setCookiesEnabled(true); 
  // 模擬瀏覽器打開一個目標(biāo)網(wǎng)址
  HtmlPage page = webClient.getPage(TARGET_URL);
  /**等待js加載完全，CSDN這點 特別坑，js加載時間超長?。。。。。?！ 后人切記不要用CSDN模擬登陸！?。。。。。?*/
  webClient.waitForBackgroundJavaScript(10000*3);
  // 根據(jù)form的名字獲取頁面表單，也可以通過索引來獲?。簆age.getForms().get(0)  
  HtmlForm form = (HtmlForm) page.getElementById("fm1");   
  HtmlTextInput username = (HtmlTextInput) form.getInputByName("username"); 
  HtmlPasswordInput password = (HtmlPasswordInput) form.getInputByName("password"); 
  username.setValueAttribute("********"); //用戶名
  password.setValueAttribute("********"); //密碼
  HtmlButtonInput button = (HtmlButtonInput) page.getByXPath("http://input[contains(@class, 'logging')]").get(0);
//  ScriptResult result = page.executeJavaScript("javascript:document.getElementsByClassName('logging')[0].click()");
//  HtmlPage retPage = (HtmlPage) result.getNewPage();
  HtmlPage retPage = button.click();
  // 等待JS驅(qū)動dom完成獲得還原后的網(wǎng)頁 
  webClient.waitForBackgroundJavaScript(1000); 
  //輸出跳轉(zhuǎn)網(wǎng)頁的地址
  System.out.println(retPage.getUrl().toString()); 
  //輸出跳轉(zhuǎn)網(wǎng)頁的內(nèi)容
  System.out.println(retPage.asXml());
  //獲取cookie 
  Set<Cookie> cookies = webClient.getCookieManager().getCookies();
  Map<String, String> responseCookies = new HashMap<String, String>(); 
  for (Cookie c : cookies) { 
   responseCookies.put(c.getName(), c.getValue()); 
   System.out.print(c.getName()+":"+c.getValue()); 
  } 
  webClient.close();
  System.out.println("Success!");
 }
}

另外，CSDN的JS總是莫名其妙的報一堆錯，如果不想看，想忽略的話，在創(chuàng)建WebClient前加上如下代碼：

  //設(shè)置日志級別，原頁面js異常不打印
  LogFactory.getFactory().setAttribute("org.apache.commons.logging.Log", "org.apache.commons.logging.impl.NoOpLog"); 
  
  java.util.logging.Logger.getLogger("com.gargoylesoftware.htmlunit") 
   .setLevel(Level.OFF); 
 
  java.util.logging.Logger.getLogger("org.apache.commons.httpclient") 
   .setLevel(Level.OFF);

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

您可能感興趣的文章: