前言
前面两章内容阐述了httpClient怎么模拟Http请求和如何解析页面。
接下去会讲在一些实战中遇到的问题。
现在回到我的开发摸索之路,之前说到我所爬取的网页是某个险企提供给合作公司的一个页面,通过账号登录然后爬取指定的数据。
这里就出现本章要写的主题了。模拟登录。
我首先确认登录验证的请求所需要携带的参数:
可以看到,登录需要验证码,并且密码不是明文传输的,而是通过前端js加密过后产生的,并且每次都会不一样,所以要模拟这个加密的过程。还有一些别的参数,是可以在页面上解析出来的。
实战
我觉得里面困难的地方是验证码识别,和怎么模拟前端js加密。
验证码
关于验证码识别的解决方案,有很多种,复杂的可以用图像识别算法,有钱的可以直接上接口,由于我只是想先将功能实现,所以就采用了最简单的方式,把验证码图像下载到本地,手动输入。
这里面要提一下,httpClient有自动管理cookie的功能,什么意思呢,就是说你只要用httpClient模拟登