java 充当浏览器访问网站

java 充当浏览器访问网站
2010年12月27日
　　在用Java的HttpURLConnection 来下载网页，发现访问google的网站时，会被google拒绝掉。
　　try
　　{
　　url = new URL(urlStr);
　　httpConn = (HttpURLConnection) url.openConnection();
　　HttpURLConnection.setFollowRedirects(true);
　　// logger.info(httpConn.getResponseMessage());
　　in = httpConn.getInputStream();
　　out = new FileOutputStream(new File(outPath));
　　chByte = in.read();
　　while (chByte != -1)
　　{
　　out.write(chByte);
　　chByte = in.read();
　　}
　　}
　　catch (MalformedURLException e)
　　{
　　}
　　}
　　经过一段时间的研究和查找资料，发现是由于上面的代码缺少了一些必要的信息导致，增加更加详细的属性
　　httpConn.setRequestMethod("GET");
　　httpConn.setRequestProperty("User-Agent","Mozilla/ 4.0 (compatible; MSIE 6.0; Windows 2000)");
　　完整代码如下
　　public static void DownLoadPages(String urlStr, String outPath)
　　{
　　int chByte = 0;
　　URL url = null;
　　HttpURLConnection httpConn = null;
　　InputStream in = null;
　　FileOutputStream out = null;
　　try
　　{
　　url = new URL(urlStr);
　　httpConn = (HttpURLConnection) url.openConnection();
　　HttpURLConnection.setFollowRedirects(true);
　　httpConn.setRequestMethod("GET");
　　httpConn.setRequestProperty("User-Agent","Mozilla/ 4.0 (compatible; MSIE 6.0; Windows 2000)");
　　// logger.info(httpConn.getResponseMessage());
　　in = httpConn.getInputStream();
　　out = new FileOutputStream(new File(outPath));
　　chByte = in.read();
　　while (chByte != -1)
　　{
　　out.write(chByte);
　　chByte = in.read();
　　}
　　}
　　catch (MalformedURLException e)
　　{
　　e.printStackTrace();
　　}
　　catch (IOException e)
　　{
　　e.printStackTrace();
　　}
　　finally
　　{
　　try
　　{
　　out.close(); in.close(); httpConn.disconnect(); } catch (Exception ex) { ex.printStackTrace(); } } } 此外，还有第二种方法可以访问Google的网站，就是用apache的一个工具HttpClient 模仿一个浏览器来访问Google
　　Document document = null;
　　HttpClient httpClient = new HttpClient();
　　GetMethod getMethod = new GetMethod(url);
　　getMethod.setFollowRedirects(true);
　　int statusCode = httpClient.executeMethod(getMethod);
　　if (statusCode == HttpStatus.SC_OK)
　　{
　　InputStream in = getMethod.getResponseBodyAsStream();
　　InputSource is = new InputSource(in);
　　DOMParser domParser = new DOMParser(); //nekoHtml 将取得的网页转换成dom
　　domParser.parse(is);
　　document = domParser.getDocument();
　　System.out.println(getMethod.getURI());
　　}
　　return document;
　　推荐使用第一种方式，使用HttpConnection 比较轻量级，速度也比第二种HttpClient 的快。
　　一些代码，使用HttpUrlConnection来模拟ie form登陆web
　　关于java模拟ie form登陆web的问题
　　HttpURLConnection urlConn=(HttpURLConnection)(new URL(url).openConnection());
　　urlConn.addRequestProperty("Cookie",cookie);
　　urlConn.setRequestMethod("POST");
　　urlConn.setRequestProperty("User-Agent","Mozilla/4 .0 (compatible; MSIE 6.0; Windows 2000)");
　　urlConn.setFollowRedirects(true);
　　urlConn.setDoOutput(true); // 需要向服务器写数据
　　urlConn.setDoInput(true); //
　　urlConn.setUseCaches(false); // 获得服务器最新的信息
　　urlConn.setAllowUserInteraction(false);
　　urlConn.setRequestProperty("Content-Type","applica tion/x-www-form-urlencoded");
　　urlConn.setRequestProperty("Content-Language","en- US" );
　　urlConn.setRequestProperty("Content-Length", ""+data.length());
　　DataOutputStream outStream = new DataOutputStream(urlConn.getOutputStream());
　　outStream.writeBytes(data);
　　outStream.flush();
　　outStream.close();
　　cookie=urlConn.getHeaderField("Set-Cookie");
　　BufferedReader br=new BufferedReader(new InputStreamReader(urlConn.getInputStream(),"gb2312 ")); 关键字: java制作自动访问网站机器人！ 真的很久很久没有写过文章了，唉，惭愧啊！寒暄的说话就不多说了，直入主题。有人问过我，如何制作一些论坛的自动发言机器人？我说，这很简单啊，（如果没有图片验证码的话！）在Java里，有些URL，URLConnection的类啊，这些类可以访问一个URL获取数据，可以发送Request，你就可以结合一些类做一个自动发言的了，但用Post发送表单的话，就没有直接的，比较麻烦，如果还要处理Cookie的话，之后我想了想，想到了可以用 Jakarta Commons 下面的开源项目啊，有一个项目名叫"HttpClient"的，这个就是用Java写的Http客户端，可以说是一个简单功能的浏览器吧，只是不能解析 HTML标签，写这个解析可不是易事。既然我们是写个自动访问网站的程序，就不用解析显示HTML啦。朋友说能写个招聘网站的自动刷新简历的程序就好了，那就用51job为例吧。
　　首先，你得去下载HttpClient的包。
　　http://jakarta.apache.org/commons/httpclient
　　代码不多，我们就先来看看代码吧：
　　
　　import java.io.*;
　　import org.apache.commons.httpclient.*;
　　import org.apache.commons.httpclient.methods.*;
　　public class HttpTest {
　　/**
　　* @param args
　　* @throws Exception
　　*/
　　public static void main(String[] args) {
　　//先建立一个客户端实例，将模拟一个浏览器
　　HttpClient client = new HttpClient();
　　//这个是URL地址，我经过分析51job网站登录后的跳转到的地址，并分析得它在JavaScript里提交的URL的参数，不同网站就自已分析了，这个就是登录后刷新简历的URL地址
　　String url = "http://my.51job.com/my/Pop_RefreshResume.php?en=0 &ReSumeID=88888888&Read=0&ID=88888888";
　　//之后再建立一个Post方法请求，提交刷新简历的表单，因为提交的参数较多，所以用Post请求好了
　　PostMethod method = new PostMethod(url);
　　//下面的就是将要提交的表单的数据填入PostMethod对象里面，以name , value 对加入！
　　method.addParameter("HPNation", "086");
　　method.addParameter("HPCity","020");
　　method.addParameter("HPNumber","88888888");
　　method.addParameter("FPNation","086");
　　method.addParameter("FPCity","020");
　　method.addParameter("FPNumber","88888888");
　　method.addParameter("FPExtension","000");
　　method.addParameter("MPNation","086");
　　method.addParameter("Mobile","13888888888");
　　method.addParameter("EmailAdd","888@888.com");
　　method.addParameter("ReSumeID","88888888");
　　//这里是建立请求时服务器需要用到的Cookie。
　　Cookie cookie = new Cookie(".51job.com","51job","ccry%3D.0%252FZKBaMTmj82%26%7C%26cconfirmkey%3Dcp wWgp7FC9FZM%26%7C%26cresumeid%3D88888888%26%7C%26cr esumeids88888888d888826%7C8408ilstatus%3D2%26%7C%26 cnickname826cenglis8cautologin%3D","/",null,false);
　　//将设置好的Cookie加入模拟的客户端里。当请求发生时，就会将Cookie写进请求头里了
　　client.getState().addCookie(cookie);
　　int i=0;
　　//开始死循环
　　while(true){
　　try{
　　//这里是要求客户端发送一个请求。直接将PostMethod请求出去。
　　client.executeMethod(method);
　　//下面是获取返回的结果
　　InputStream in = method.getResponseBodyAsStream();
　　ByteArrayOutputStream baos = new ByteArrayOutputStream();
　　byte[] buff = new byte[1024];
　　int len = -1;
　　while((len=in.read(buff))!=-1){
　　baos.write(buff, 0, len);
　　}
　　String result = new String(baos.toByteArray());
　　//释放资源
　　in.close();
　　baos.close();
　　//在51job里，刷新简历成功的话，会返回一些JavaScript代码，里面有个alert()输出"简历已刷新"的信息的，你分析结果，如果有这句话，则成功刷新了。之后就让线程睡眠1分钟后循环刷新！
　　if(result.indexOf("简历已刷新")!=-1){
　　System.out.println("简历已刷新！ " + ++i);
　　}else{
　　System.out.println("刷新失败！");
　　}
　　Thread.sleep(60000);
　　}catch(Exception ex){
　　System.out.println("******** Error! ********");
　　try{
　　//出现错误时，再等待20秒后再重新进行刷新。
　　Thread.sleep(20000);
　　}catch(Exception e){
　　System.out.println("******** Thread Error! ********");
　　}
　　}
　　}
　　}
　　}
　　import java.io.*; import org.apache.commons.httpclient.*; import org.apache.commons.httpclient.methods.*; public class HttpTest { /** * @param args * @throws Exception */ public static void main(String[] args) { //先建立一个客户端实例，将模拟一个浏览器 HttpClient client = new HttpClient(); //这个是URL地址，我经过分析51job网站登录后的跳转到的地址，并分析得它在JavaScript里提交的URL的参数，不同网站就自已分析了，这个就是登录后刷新简历的URL地址 String url = "http://my.51job.com/my/Pop_RefreshResume.php?en=0 &ReSumeID=88888888&Read=0&ID=88888888"; //之后再建立一个Post方法请求，提交刷新简历的表单，因为提交的参数较多，所以用Post请求好了 PostMethod method = new PostMethod(url); //下面的就是将要提交的表单的数据填入PostMethod对象里面，以name , value 对加入！ method.addParameter("HPNation", "086"); method.addParameter("HPCity","020"); method.addParameter("HPNumber","88888888"); method.addParameter("FPNation","086"); method.addParameter("FPCity","020"); method.addParameter("FPNumber","88888888"); method.addParameter("FPExtension","000"); method.addParameter("MPNation","086"); method.addParameter("Mobile","13888888888"); method.addParameter("EmailAdd","888@888.com"); method.addParameter("ReSumeID","88888888"); //这里是建立请求时服务器需要用到的Cookie。 Cookie cookie = new Cookie(".51job.com","51job","ccry%3D.0%252FZKBaMTm j82%26%7C%26cconfirmkey%3DcpwWgp7FC9FZM%26%7C%26cre sumeid%3D88888888%26%7C%26cresumeids88888888d888826 %7C8408ilstatus%3D2%26%7C%26cnickname826cenglis8cau tologin%3D","/",null,false); //将设置好的Cookie加入模拟的客户端里。当请求发生时，就会将Cookie写进请求头里了 client.getState().addCookie(cookie); int i=0; //开始死循环 while(true){ try{ //这里是要求客户端发送一个请求。直接将PostMethod请求出去。 client.executeMethod(method); //下面是获取返回的结果 InputStream in = method.getResponseBodyAsStream(); ByteArrayOutputStream baos = new ByteArrayOutputStream(); byte[] buff = new byte[1024]; int len = -1; while((len=in.read(buff))!=-1){ baos.write(buff, 0, len); } String result = new String(baos.toByteArray()); //释放资源 in.close(); baos.close(); //在51job里，刷新简历成功的话，会返回一些JavaScript代码，里面有个alert()输出"简历已刷新"的信息的，你分析结果，如果有这句话，则成功刷新了。之后就让线程睡眠1分钟后循环刷新！ if(result.indexOf("简历已刷新")!=-1){ System.out.println("简历已刷新！ " + ++i); }else{ System.out.println("刷新失败！"); } Thread.sleep(60000); }catch(Exception ex){ System.out.println("******** Error! ********"); try{ //出现错误时，再等待20秒后再重新进行刷新。 Thread.sleep(20000); }catch(Exception e){ System.out.println("******** Thread Error! ********"); } } } } }
　　我们再来看看，其实很简单，我们来说明一下。HttpClient将很多Http协议底层的东西都封装了，这样很方便使用，如果自已用Socket写的话，还有处理很多信息，Http协议的三次握手等等的操作，很是麻烦。现在用HttpClient就一步到位了。但要注意一下，51job里面的简历刷新是要先登录后才可以进行的，而熟悉Web开发的人员都知道，登录后服务器就会记录下你的Session，而Session也是基于Cookie的，所以 Session ID是以Cookie的方式记录在客户机的，这样每次请求都要将该Cookie发送到服务器验证，这样才可以保证Web的状态。所以，你可以在浏览器里先登录一次。之后找出该网站的Cookie文件，将里面的内容复制出来放上上面代码的Cookie类里面。你也可以用这个HttpClient写一个登录的请求，之后再从ResponseHeader里获取Cookie。至于表单里的信息，就按自已需要填写就行了。就是模拟一个浏览器，将你的简历刷新的表单模拟出来再发送。