利用Java的Jsoup模拟登录网站，爬取数据

前一篇是写爬取静态网页的数据，但是在现实的生活中，我们多数浏览的是动态网页，在爬取动态网页我们需要了解cookie是什么，因为我们通过cookie来让网站知道我们是已经通过网站的登录验证的。
原理：我们在第一次获取登录表单数据并携带用户的信息去仿登录，成功后我们可以获取登录后的cookie信息，以便我们爬取登录后其他网页的数据。

使用cookie的原因：在http协议是无状态的，传统服务器只能被动响应请求，每当服务器获取到请求，并为了能够区分每一个客户端,需要客户端发送请求时发送一个标识符(cookie)。也就是说用来区分客户端的用户。

服务器根据报文中cookie,进行区分客户端浏览器.
第一步：我们需要了解登录网页的表单的数据，它具体发出的请求有什么数据，其实大多数都是账号和密码，我们可以按F12查看源码，看到源码就知道，提交的from表单就是两个参数。

第二步：我们登录进系统看看请求的内容，登录网站按F12，查看网络信息，如图

在network中我们在找到登录表单就是5个参数，前面三个基本不用管，因为它是浏览器可以生成的，我们只注意username和password这两个参数，它是我们登录提交过来的数据。还要获取的是登录后的url,因为有些是用重定向来跳转页面的，所以我们可以在登录成功后的页面单击鼠标右键点查看网页源代码，这样就可以知道网站登录后的真实url。

编写代码：

        Document d= Jsoup.connect("登录的url").get();
        //获取仿登录的数据
        String inputName=d.getElementsByTag("input").get(0).attr("name");
        String inputValue=d.getElementsByTag("input").get(0).val();
        String random=d.getElementById("random").val();
        String token=d.getElementById("token").val();

		//用map来存储数据
        Map map=new HashMap();
        map.put(inputName,inputValue);
        map.put("random",random);
        map.put("token",token);
        map.put("username",userName);
        map.put("password",password);

        //登录，获取cookies
        Connection.Response login=Jsoup.connect("提交登录的url")
                .ignoreContentType(true)
                .followRedirects(true)
                .data(map)
                .method(Connection.Method.POST)
                .execute()
                .charset("utf-8");

		//模拟成功后，自己想获取的数据，并且要求携带cookies数据
        Document index=Jsoup.connect("登录后想获取数据的url").cookies(login.cookies()).get();
        //打印数据网页
        System.out.println(index.html());

就这样，模拟登录网站爬取数据就完成了。具体的数据要自己发挥，重点是分析网页的源代码，才可以快速的获取自己想要的数据。

nice！！！