- 浏览: 134646 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 1022select * from LSK_SBCAJ t ord ... -
JS onkeydown onenter
2014-10-20 16:53 954html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 2197package com.zas.util; impo ... -
sql 去重
2014-09-18 10:43 571delete from table t1 where t1.i ... -
linux 干掉所有java进程
2014-08-07 12:31 987ps -ef|grep java|grep -v grep|c ... -
Oracle自带连接池使用(转载收录)
2014-07-31 10:01 1356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 1254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 1051Java 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 1422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 4662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 1366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 1081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 2154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 15570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 3167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 2842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 1422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 5010上接 Java POI Excel sheet http:// ... -
Java POI Excel sheet合并
2014-03-19 10:59 6554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 4868上接 文档展示:PDFRender 将PDF转换为图片 htt ...
相关推荐
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
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...
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...
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、...
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;...
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...
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...
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...
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....
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-...