java 爬虫身份设定_Java爬虫中HttpClient请求头的设置

在做爬虫的时候发现如果不设置请求头的话,每次httpclient发起的请求都是响应移动端板式的,无法抓取响应的内容,后面查了一下才知道,需要重新设置请求头,让服务端误以为是某个真实浏览器发起的请求:

HttpClient httpClient = new DefaultHttpClient();

//創建一個httpGet方法

HttpGet httpGet = new HttpGet("xxxxx");

//設置httpGet的头部參數信息

httpGet.setHeader("Accept", "Accept text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8");

httpGet.setHeader("Accept-Charset", "GB2312,utf-8;q=0.7,*;q=0.7");

httpGet.setHeader("Accept-Encoding", "gzip, deflate");

httpGet.setHeader("Accept-Language", "zh-cn,zh;q=0.5");

httpGet.setHeader("Connection", "keep-alive");

httpGet.setHeader("Cookie", "");

httpGet.setHeader("Host", "");

httpGet.setHeader("refer", "");

httpGet.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; rv:6.0.2) Gecko/20100101 Firefox/6.0.2");

最基本的爬虫就用了几句代码就完成了,附上爬虫代码,主要是用到HttpClient、webmagic、jsoup

public class WebMagicService {

public static void main(String[] args) throws Exception{

HttpClient httpClient = HttpClients.createDefault();

HttpGet httpGet = new HttpGet("http://bbs.e763.com/");

httpGet.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; rv:6.0.2) Gecko/20100101 Firefox/6.0.2");

HttpResponse response = httpClient.execute(httpGet);

String contents = EntityUtils.toString(response.getEntity(),"gbk");//utf-8

Document document = Jsoup.parse(contents);

Elements elements = document.select("div#hza11 div.boxtxthot a");

// System.out.println(contents);

for (Element element : elements) {

System.out.println(element.text()+ " : " + element.attr("href"));

}

}

}

爬取内容如下:

三大运营商9月1日起取消漫游费 用户无需申请自动生效 : viewthread.php?tid=907629

2年前月桂湖弃婴案:被蚂蚁咬过的孩子, 精神发育迟滞 : viewthread.php?tid=907607

.....

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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