java jsoup 爬虫爬asp.net网站遇到_doPostBack不能获取翻页数据解决办法

最近由于业务需求写了一个爬虫,但是由于asp.net中的翻页数据都是用_doPostBack表单提交的,只能获取到第一页的数据,几经周折找到了如下的解决办法:
        //要扒取的网页的地址
       String url = "http://nmgs.china12366.org/Search.aspx?type=3&text=%E6%97%B6%E9%97%B4";
       //设置用户代理
       String user_Agent="Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.87 Safari/537.36";
       //获取登录框的隐含参数 type="hidden"
        Connection connection=Jsoup.connect(url).timeout(60000);
        connection.header("User-Agent", user_Agent);//配置模拟浏览器
        Connection.Response response=null;
        String sessionId ="";
        try {
            response = connection.method(Connection.Method.GET).execute();// 获取响应
            sessionId = response.cookies().get("ASP.NET_SessionId");
        } catch (ClientProtocolException e1) {
            e1.printStackTrace();
        } catch (IOException e1) {
            e1.printStackTrace();
        }
        // 应用JsoupHtml解析包解析html包含参数
        Document doc = Jsoup.parse(response.body());// 转换为Dom树
        // map存放post时的数据
        Map<String, String> datas = new HashMap<>();
        // 要跳转到的页数
        String ddlGoto = "第2页";
        Elements inputElemets = doc.select("form[method=post]").first()
                .select("input[name]");
        for (Iterator it = inputElemets.iterator(); it.hasNext();) {
            Element inputElement = (Element) it.next();
            if("__EVENTTARGET".equals(inputElement.attr("name"))){
                datas.put("ddlGoto",ddlGoto);
                datas.put("__EVENTTARGET", "ddlGoto");
            }else{
                datas.put(inputElement.attr("name"), inputElement.attr("value"));
            }
        }
        Connection connection2 = Jsoup.connect(url).timeout(60000);
        try {
            // 设置cookies和要传递的参数
             Map<String,String> cookies = new HashMap<>();
             cookies.put("ASP.NET_SessionId",sessionId);
            Connection connection1 = connection2.ignoreContentType(true)
                    .method(Connection.Method.POST).data(datas)
                    .cookies(response.cookies());
            Connection.Response rs =  connection1.execute();
            Document document = Jsoup.parse(rs.body());
            System.out.println(document);
        } catch (IOException e1) {
            e1.printStackTrace();
        }


  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!对于使用Java编写网络爬虫,我们可以使用Jsoup库来进行HTML解析和数据抓取。 首先,您需要在项目中引入Jsoup库。您可以在Maven或Gradle构建工具中添加以下依赖项: Maven: ```xml <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.13.1</version> </dependency> ``` Gradle: ```groovy implementation 'org.jsoup:jsoup:1.13.1' ``` 接下来,您可以使用Jsoup获取和解析网页内容。以下是一个简单的示例代码,演示如何使用Jsoup取网页并提取所需的数据: ```java import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; import java.io.IOException; public class WebCrawler { public static void main(String[] args) { try { // 使用Jsoup连接到目标网页 Document document = Jsoup.connect("http://example.com").get(); // 使用CSS选择器提取所需的元素 Elements links = document.select("a[href]"); // 遍历并打印提取到的元素 for (Element link : links) { System.out.println("Link: " + link.attr("href")); System.out.println("Text: " + link.text()); } } catch (IOException e) { e.printStackTrace(); } } } ``` 在上面的示例中,我们使用`Jsoup.connect()`方法连接到目标网页,并使用`document.select()`方法使用CSS选择器提取所有带有`href`属性的链接元素。然后,我们遍历这些链接元素,并打印出链接的URL和文本。 您可以根据自己的需求进一步扩展和修改代码来满足特定的爬虫需求。请注意,在编写爬虫时,请遵守相关网站的使用条款和政策,以避免违反规定。

“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