HttpClient4.0手动处理redirect -

pengzhoushuo

浏览: 12499 次
性别:
来自: 广州

最近访客更多访客>>

double_h

追梦_沙

yanhewen

博主相关

博客

微博

相册

留言

关于我

文章分类

全部博客 (12)

社区版块

存档分类

2010-06 ( 12)
更多存档...

HttpClient4.0手动处理redirect

Facebook 浏览器

上个星期做了一个爬虫，主要是实现手机上不通过标准浏览器的方式实现Facebook认证过程，期间遇到个问题需要手动处理redirect。
HttpClient4.0的GET方法完全redirect，POST方法部分支持redirect，也就是说，我们在大部分情况下爬网页时中间的一些redirect过程可以当作是透明的，输入一个URL得到的是redirect后的最终结果页。
刚好，我需要redirect过程中的一个临时页面的一些信息，而HttpClient4.0 "自作主张"地帮我忽略了，如何手动处理呢?
结过查看其内部源码，HttpClient默认是通过DefaultRedirectHandler来管理跳转的，该类继承自接口，该接口有两个方法

public URI getLocationURI(HttpResponse response, HttpContext context)
throws ProtocolException;
public boolean isRedirectRequested(HttpResponse response,
HttpContext context);

其中isRedirectRequested是用于判断当前的请求是否需要redirect。我们只需要定义一个自己的RedirectHandler来处理redirect就可以了，如下:
public class DummyRedirectHandler implements RedirectHandler {

public URI getLocationURI(HttpResponse response, HttpContext context)
throws ProtocolException {
// TODO Auto-generated method stub
return null;
}

public boolean isRedirectRequested(HttpResponse response,
HttpContext context) {
// 由于我们需要手动处理所有的redirect，所以直接return false
return false;
}

}

AbstractHttpClient类setRedirectHandler方法用于设置自定义RedirectHandler实现

httpclient.setRedirectHandler(new DummyRedirectHandler());

然后通过搬运捕获Header("Location")，可以取得跳转中间过程的URL，希望能帮到像我这样做爬虫天天在网上的童鞋。

分享到：