抓取 google 搜索结果

直接访问www.google显然是无法访问的，附上两个地址：

http://209.85.225.23/
http://173.194.14.53/

这两个地址搜索的后缀是

newwindow=1&q=

不采用这个格式，使用如下格式：

http://209.85.225.23/search?hl=zh&ie=gb2312&q=

q=后面加上搜索的内容。

这样直接访问会被google拒绝，需要仿冒浏览器去访问。

java中，如下设置参数：

URL url=new URL(path);
HttpURLConnection con = (HttpURLConnection) url.openConnection(); 
con.setRequestProperty("User-Agent", "Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14"); 

注意，user-agent 后面的浏览器参数，不同的浏览器可能会导致收到的编码方式不同，所以编码出错时，替换后面的参数。

附上完整代码：

package com.search.google;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileWriter;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLEncoder;

import com.mysql.jdbc.Field;

public class GetResult
{
	public static void main(String []args) throws Exception
	{
		new GetResult().process();
	}
	
	public void process() throws Exception
	{
		String str= getHTML("西游记 作者");
		System.out.println(str);
		parseHTML(str);
	}
	
	public String getHTML(String str) throws Exception
	{
		StringBuilder sb=new StringBuilder();
		String path="http://209.85.225.23/search?hl=zh&ie=gb2312&q="+URLEncoder.encode(str,"gb2312");
		//String path="http://209.85.225.23/search?hl=zh&ie=UTF-8&q="+str;
		URL url=new URL(path);
		HttpURLConnection con = (HttpURLConnection) url.openConnection(); 
		con.setRequestProperty("User-Agent", "Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14"); 
		BufferedReader breader = new BufferedReader(new InputStreamReader(con.getInputStream())); 
		
		
		//BufferedReader breader=new BufferedReader(new InputStreamReader(url.openStream()));
		String line=null;
		File file_out =new File("./test/google");
		FileWriter fw =  new FileWriter(file_out);
		while((line=breader.readLine())!=null)
		{
			sb.append(line);
			fw.write(line);
		}
		fw.close();
		return sb.toString();
	}
	
	
	public void parseHTML(String str)
	{
		
		
	}
}