HttpClient和HtmlParser配合实现自动登陆系统抽取页面信息

导读：
　　
　　HtmlParser代码接口变化比较多，因此写一个最新的。废话不多说，贴代码共大家享用！
　　/*
　　* Main.java
　　*
　　* Created on 2007年1月19日, 上午9:14
　　*
　　* To change this template, choose Tools | Template Manager
　　* and open the template in the editor.
　　*/
　　package wapproxy;
　　import org.apache.commons.httpclient.*;
　　import org.apache.commons.httpclient.methods.*;
　　import org.apache.commons.httpclient.params.HttpMethodParams;
　　import java.io.*;
　　import org.htmlparser.Node;
　　import org.htmlparser.NodeFilter;
　　import org.htmlparser.Parser;
　　import org.htmlparser.filters.TagNameFilter;
　　import org.htmlparser.tags.*;
　　import org.htmlparser.util.NodeList;
　　import org.htmlparser.util.ParserException;
　　
　　/**
　　*
　　* @author xcz
　　*/
　　public class Main {
　　
　　
　　/** Creates a new instance of Main */
　　public Main() {
　　}
　　
　　/**
　　* @param args the command line arguments
　　*/
　　public static void main(String[] args) throws Exception {
　　// Create an instance of HttpClient.
　　HttpClient client = new HttpClient();
　　
　　// Create a method instance.
　　PostMethod post_method = new PostMethod("http://localhost/rcpq/");
　　
　　NameValuePair[] data = {
　　new NameValuePair("username", "admin"),
　　new NameValuePair("password", "admin"),
　　new NameValuePair("dologin", "1"),
　　};
　　
　　post_method.setRequestBody(data);
　　
　　
　　
　　try {
　　// Execute the method.
　　int statusCode = client.executeMethod(post_method);
　　
　　if (statusCode != HttpStatus.SC_OK) {
　　System.err.println("Method failed: "+ post_method.getStatusLine());
　　}
　　
　　// Read the response body.
　　//byte[] responseBody = post_method.getResponseBody();
　　
　　// Deal with the response.
　　// Use caution: ensure correct character encoding and is not binary data
　　//System.out.println(new String(responseBody));
　　
　　} catch (HttpException e) {
　　System.err.println("Fatal protocol violation: "+ e.getMessage());
　　e.printStackTrace();
　　} catch (IOException e) {
　　System.err.println("Fatal transport error: "+ e.getMessage());
　　e.printStackTrace();
　　} finally {
　　// Release the connection.
　　post_method.releaseConnection();
　　}
　　
　　byte[] responseBody = null;
　　
　　GetMethod get_method = new GetMethod("http://localhost/rcpq/unit.php");
　　
　　// Provide custom retry handler is necessary
　　get_method.getParams().setParameter(HttpMethodParams.RETRY_HANDLER,
　　new DefaultHttpMethodRetryHandler(3, false));
　　
　　try {
　　// Execute the method.
　　int statusCode = client.executeMethod(get_method);
　　
　　if (statusCode != HttpStatus.SC_OK) {
　　System.err.println("Method failed: "+ get_method.getStatusLine());
　　}
　　
　　// Read the response body.
　　//responseBody = get_method.getResponseBody();
　　//这里用流来读页面
　　
　　InputStream in = get_method.getResponseBodyAsStream();
　　if (in != null) {
　　byte[] tmp = new byte[4096];
　　int bytesRead = 0;
　　ByteArrayOutputStream buffer = new ByteArrayOutputStream(1024);
　　while ((bytesRead = in.read(tmp)) != -1) {
　　buffer.write(tmp, 0, bytesRead);
　　}
　　responseBody = buffer.toByteArray();
　　}
　　
　　
　　// Deal with the response.
　　// Use caution: ensure correct character encoding and is not binary data
　　//System.out.println(new String(responseBody));
　　
　　} catch (HttpException e) {
　　System.err.println("Fatal protocol violation: "+ e.getMessage());
　　e.printStackTrace();
　　} catch (IOException e) {
　　System.err.println("Fatal transport error: "+ e.getMessage());
　　e.printStackTrace();
　　} finally {
　　// Release the connection.
　　get_method.releaseConnection();
　　}
　　
　　Parser parser;
　　
　　parser = Parser.createParser(new String(responseBody, "GBK"), "GBK");
　　
　　
　　String filterStr = "table";
　　NodeFilter filter = new TagNameFilter(filterStr);
　　
　　NodeList tables = parser.extractAllNodesThatMatch(filter);
　　
　　//System.out.println(tables.elementAt(17).toString());
　　//找到单位列表所在的表格
　　
　　TableTag tabletag = (TableTag) tables.elementAt(17);
　　
　　TableRow row = tabletag.getRow(3);
　　
　　TableColumn[] cols = row.getColumns();
　　//System.out.println("单位名称：" + cols[2].toHtml());
　　System.out.println("单位名称：" + cols[2].childAt(0).getText());
　　
　　}
　　
　　}

本文转自
http://blog.csdn.net/danny_xcz/archive/2007/01/19/1487602.aspx