抓取网页数据并解析

抓取考研网上的调剂信息,并使用jsoup解析HTML文档,把数据导入到Excel中进行下一步处理
摘要由CSDN通过智能技术生成

这天遇到这样一个需求:这种页面数据可以抓取吗?



随后提供了账号、密码和网站地址:

帐号:kytj1    

密码:******************    

登陆地址:http://student.tiaoji.kaoyan.com/tjadm


主要思路:

1、使用Fiddler4分析http请求交互方式,包括数据发送方式(POST或GET),携带参数等,获得返回的数据信息

2、用Android程序模拟HTTP请求

3、用Java解析HTML代码,提取出对应的姓名、报考学校、报考专业、分数、联系电话、发布时间等字段

4、把txt文件导入到Excel里,待进一步处理。


用Fiddle查看数据包


1、打开Fiddler


2、打开网站,填入用户名和密码,点击登录

登陆地址:http://student.tiaoji.kaoyan.com/tjadm


3、观察Filldder抓到的包

可以看到HOST、URL、POST方式以及明文密码



4、观察网页数据

登录成功后,网页数据显示为


   对应的Filldder抓包数据为


可以看到请求的HOST以及URL,方式为GET,返回的数据也可以在body体中获取到。

5、HTML代码

返回的HTML页面代码为(选取了部分)

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=3.0,user-scalable=no ">
<title>考研调剂中心_考研调剂意向发布系统_考研调剂_考研网(kaoyan.com)</title>
<meta name="description" content="" />
<link rel="stylesheet" type="text/css" href="http://img.kaoyan.com/tiaoji/css/tiaoji-h5.css" />
<link href="http://img.kaoyan.com/global/style/header.css" rel="stylesheet">
<link href="http://img.kaoyan.com/yz/style/yz.index.css" rel="stylesheet">
<script type='text/javascript' src='http://cbjs.baidu.com/js/m.js'></script>
</head>
<body>
<div class="kyHd">
    <div class="kyTop">
        <script src="http://img.kaoyan.com/www/header-tiaoji.js" type="text/javascript"></script>
        <script src="http://img.kaoyan.com/www/headera.js" type="text/javascript"></script>
    </div>
</div>
<div style="height:10px;"></div>
<div class="w1000ad tc">
    <script type="text/javascript">/*考研网-大通栏-通用*/var cpro_id = "u1773335";</script>
    <script src="http://cpro.baidustatic.com/cpro/ui/c.js" type="text/javascript"></script>
</div>
<ul class="nav" id="tjNav">
    <li><a href="http://tiaoji.kaoyan.com/" title="考研调剂首页">调剂首页</a></li>
    <li><a href="http://www.kaoyan.com/kaoyan/27/474572/" title="考研调剂流程" target="_blank">调剂流程</a></li>
    <li><a href="http://www.kaoyan.com/tiaoji/xinxi/" title="考研调剂信息">调剂信息</a></li>
    <li><a href="http://tiaoji.kaoyan.com/xinwen/" title="考研调剂新闻">调剂新闻</a></li>
    <li><a href="http://tiaoji.kaoyan.com/jingyan/" title="考研调剂经验">调剂经验</a></li>
    <li><a href="http://tiaoji.bbs.kaoyan.com/" title="考研调剂论坛" target="_blank">调剂论坛</a></li>
</ul>
<div class="courseArea">
    <ul class="tjPicAd mt10 clear">
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("850729");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("850747");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("850763");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("850766");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869710");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869712");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869713");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869714");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869898");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869899");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869901");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("869902");</script></li>
    </ul>
    <ul class="tjPicAd clear">
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("859514");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("859516");</script></li>
        <li><script type="text/javascript">BAIDU_CLB_fillSlot("859517");</script></li>
  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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