如何抓取微博https Java,java如何爬取微博信息，或者通过接口获取微博信息

第一步，访问目标网页第二步，根据网页所需内容的特定元素使用jsoup的选择器选取(使用正则表达式效率更高)，在这个例子中，目标网页是一个论坛，而我们所需要做的是爬取论坛首页所有帖子的标题名与链接地址。

先打开目标网址，使用谷歌浏览器浏览网页结构，找到结构所对应的内容

接着选取区域

Elements links = doc.getElementsByAttributeValue("id","lphymodelsub");

接下来对选取区域的内容进行获取，保存到数组中

for (Element link : links) {

CatchModel c = new CatchModel();

String linkHref = "http://bbs.my0511.com"+link.parent().attr("href");

String linkText = link.text();

c.setText(linkText);

c.setUrl(linkHref);

fistCatchList.add(c);

}

这样一个简单的抓取就完成了。

接下来就是新浪微博的抓取，一般的http访问新浪微博网站得到的html都是很简略的，因为新浪微博主页是用js动态生成的并且要进过多次的http请求与验证才能访问成功，所以为了数据抓取的简便，我们走一个后门，也就是访问新浪微博的手机端，weibo.cn进行抓取，但随之而来的一个问题是，新浪微博的访问不管哪一端都需要强制的登陆验证，所以我们需要在http请求的时候附带一个cookie进行用户验证。在网上找了好久使用webcontroller这个开源的爬虫框架，访问很简便，效率也高，那记下来我们就看看如何使用这个框架。

首先需要导入依赖的包，WebController的ja包与selenium的jar包

利用Selenium获取登陆新浪微博weibo.cn的cookie(WeiboCN.java)

利用WebCollector和获取的cookie爬取新浪微博并抽取数据(WeiboCrawler.java)