昨天用HttpClient抓取页面,在我本地可以抓取,但是到了上线后有时候可以抓到,有时候抓不到,抓不到提示信息:“淘宝网--对不起,您访问的页面不存在”。而且状态码返回200(注意:状态码不是跳转)。
最后确定是线上访问量太多,被当成爬虫过滤了,加上user-agent就OK了。
HttpClient client = new HttpClient(new MultiThreadedHttpConnectionManager());
client.getParams().setParameter(HttpMethodParams.USER_AGENT,"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13");