java爬虫登陆保持会话_HttpClient 模拟登陆,保持会话并进行后续操作

package cc.unmi.httpclient;

import org.apache.commons.httpclient.Cookie;

import org.apache.commons.httpclient.HttpClient;

import org.apache.commons.httpclient.NameValuePair;

import org.apache.commons.httpclient.cookie.CookiePolicy;

import org.apache.commons.httpclient.methods.GetMethod;

import org.apache.commons.httpclient.methods.PostMethod;

import org.junit.Test;

public class HttpClientLogin {

public static void main(String[] args){

//登陆 Url

String loginUrl = "http://localhost/unmi/login.html";

//需登陆后访问的 Url

String dataUrl = "http://localhost/unmi/user_info.html?userid=123456";

HttpClient httpClient = new HttpClient();

//模拟登陆,按实际服务器端要求选用 Post 或 Get 请求方式

PostMethod postMethod = new PostMethod(loginUrl);

//设置登陆时要求的信息,一般就用户名和密码,验证码自己处理了

NameValuePair[] data = {

new NameValuePair("username", "Unmi"),

new NameValuePair("password", "123456"),

new NameValuePair("code", "anyany")

};

postMethod.setRequestBody(data);

try {

//设置 HttpClient 接收 Cookie,用与浏览器一样的策略

httpClient.getParams().setCookiePolicy(CookiePolicy.BROWSER_COMPATIBILITY);

httpClient.executeMethod(postMethod);

//获得登陆后的 Cookie

Cookie[] cookies=httpClient.getState().getCookies();

String tmpcookies= "";

for(Cookie c:cookies){

tmpcookies += c.toString()+";";

}

//进行登陆后的操作

GetMethod getMethod = new GetMethod(dataUrl);

//每次访问需授权的网址时需带上前面的 cookie 作为通行证

getMethod.setRequestHeader("cookie",tmpcookies);

//你还可以通过 PostMethod/GetMethod 设置更多的请求后数据

//例如,referer 从哪里来的,UA 像搜索引擎都会表名自己是谁,无良搜索引擎除外

postMethod.setRequestHeader("Referer", "http://unmi.cc");

postMethod.setRequestHeader("User-Agent","Unmi Spot");

httpClient.executeMethod(getMethod);

//打印出返回数据,检验一下是否成功

String text = getMethod.getResponseBodyAsString();

System.out.println(text);

} catch (Exception e) {

e.printStackTrace();

}

}

}

Basic 验证的简单代码导引,还未亲试:

HttpClient client = new HttpClient();

// 1

client.getState().setCredentials(

new AuthScope("unmi.cc", 80, AuthScope.ANY_REALM),

new UsernamePasswordCredentials("username", "password")

);

// 2

client.getParams().setAuthenticationPreemptive(true);

// 3

GetMethod getMothod = new GetMethod("http://unmi.cc/twitter");

// 4

getMothod.setDoAuthentication( true );

// 5

int status = client.executeMethod( getMothod );

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果您下载了本程序,但是该程序无法运行,或者您不会部署,那么您可以选择退款或者寻求我们的帮助(如果找我们帮助的话,是需要追加额外费用的) 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。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值