`
zhuyufufu
  • 浏览: 134646 次
  • 性别: Icon_minigender_1
  • 来自: 南京
社区版块
存档分类
最新评论

html dom jsoup httpclient

阅读更多
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
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;
	}
分享到:
评论

相关推荐

    HttpClient和jsoup架包

    httpclient和jsoup实现对网页数据的爬取,jsoup并可以像js dom方式得到数据

    httpclient+jpoup的jar包

    jsoup 是一款Java 的HTML解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API,可通过DOM,CSS以及类似于jQuery的操作方法来取出和操作数据。 HttpClient 是 Apache Jakarta Common 下的子项目...

    好程序员Java教程之如何用Jsoup实现爬虫技术

     ​ Jsoup拥有十分方便的api来处理html文档,比如参考了DOM对象的文档遍历方法,参考了CSS选择器的用法等等,因此我们可以使用Jsoup快速地掌握爬取页面数据的技巧。  2.快速开始 1)编写HTML页面  页面中表格的...

    微信开发包

    1.2.15、json-lib-2.2.3-jdk13、gson-2.2.4、ezmorph-1.0.6、dom4j-1.6.1、commons-logging-1.0.4、commons-lang-2.3、commons-collections-3.2.1、commons-beanutils-1.7.0、jsoup-1.6.2、httpclient-4.1.3、...

    基于springboot-2019-ncov疫情态势信息管理系统

    数据采集方面采用HttpClient发送网络请求并使用jsoup解析HTML数据和对接天行数据API,数据处理方面采用fastjson、dom4j等技术处理json和xml文件,数据存储方面采用传统关系型数据库mysql搭配Druid连接池;...

    Java网络爬虫小说下载器。.zip

    使用httpclient,jsoup,dom4j,json-lib,SWT创建的可下载小说的网络爬虫项目。 软件开发设计:应用软件开发、系统软件开发、移动应用开发、网站开发C++、Java、python、web、C#等语言的项目开发与学习资料 硬件与...

    Java网络爬虫小说下载器.zip

    使用httpclient,jsoup,dom4j,json-lib,SWT创建的可下载小说的网络爬虫项目。 爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫...

    Spider:通过多线程选择数据,并保存到excel

    通过HttpClient获取到请求页面的字符串字符串 通过jsoup解析 (解析需要自己在页面上查看源代码,分析DOM结构) (通过使用jsoup的css选择器的函数,获取元素,元素集,或者文本和属性值) 每一本书的值set进书实体...

    各种lib for Java

    dom4j-1.6.1.jar ehcache-core-2.4.3.jar ezmorph-1.0.6.jar hibernate-c3p0-4.1.10.Final.jar hibernate-commons-annotations-4.0.1.Final.jar hibernate-core-4.1.10.Final.jar hibernate-ehcache-4.1.10....

    springmvc 各种jar包

    17,dom4j-1.6.1.jar 18,ehcache-core-2.5.7.jar 19,ehcache-web-2.0.4.jar 20,freemarker-2.3.20.jar 21,hamcrest-all-1.3.jar 22,hibernate-3.6.10.jar 23,hibernate-jpa-2.0-api-1.0.1.jar 24,hibernate-...

Global site tag (gtag.js) - Google Analytics