java使用htmlunit+Jsoup爬虫,爬取ajax动态数据
程序员文章站
2022-03-02 21:08:37
...
先贴一段代码
WebClient web = new WebClient(BrowserVersion.FIREFOX_38);
try {
long startTime = System.currentTimeMillis(); //获取开始时间
web.getOptions().setJavaScriptEnabled(true); //启用JS解释器,默认为true
web.setJavaScriptTimeout(20000);//设置JS执行的超时时间
web.getOptions().setThrowExceptionOnFailingStatusCode(false);//当HTTP的状态非200时是否抛出异常, 这里选择不需要
web.getOptions().setActiveXNative(false);
web.getOptions().setCssEnabled(false); //禁用css支持
web.addRequestHeader("User-Agent", " Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36");
web.getOptions().setThrowExceptionOnScriptError(false); //js运行错误时,是否抛出异常
web.getOptions().setTimeout(10000); //设置连接超时时间 ,这里是10S。如果为0,则无限期等待
web.setAjaxController(new NicelyResynchronizingAjaxController());//设置支持AJAX
HtmlPage htmlpage = web.getPage("");//爬取url地址
HtmlForm from = htmlpage.getElementByName("loginForm");
HtmlInput loginId = from.getInputByName("username");//获取用户名输入框
HtmlInput pwd = from.getInputByName("password");//获取密码输入框
loginId.setValueAttribute(number);//用户名
pwd.setValueAttribute(password);//密码
HtmlPage hhtmlPage = from.getInputByName("submitBtn").click();//模拟点击登录
DataInfo dataInfo = new DataInfo();
//以下代码为了判断点击登录后页面还未加载出来,进行重试操作,最大重试次数5次
int s = 0;
while (hhtmlPage.getByXPath("//div[@class='personal-list']/a").size() < 1) {
if (s > 5) {
dataInfo.setSuccess("time");
return dataInfo;
}
if (hhtmlPage.asXml().contains("密码错误") || hhtmlPage.asXml().contains("账户不存在")) {
dataInfo.setSuccess("password");
return dataInfo;
}
Thread.sleep(500);
System.out.println("----------------------等待尝试重新点击");
hhtmlPage = from.getInputByName("submitBtn").click();//模拟点击登录
s++;
}
HtmlPage htmlpage2 = web.getPage("");//登录成功进入下一个页面,获取信息
String str = htmlpage2.asXml();
Document doc = Jsoup.parse(str);
Elements tr = doc.getElementById("studentInfoTb").select("tr");
StudentInfo studentInfo = new StudentInfo();
studentInfo.setNumber(tr.get(1).select("td").get(1).text());//学号
studentInfo.setName(tr.get(1).select("td").get(3).text());//姓名
大概逻辑就是使用htmlunit模拟浏览器进行请求,请求成功后返回html代码使用Jsoup进行解析拿到想到的内容
上一篇: scrapy-Item Pipeline
下一篇: scrapy item pipeline
推荐阅读
-
通过抓取淘宝评论为例讲解Python爬取ajax动态生成的数据(经典)
-
多线程+代理池爬取天天基金网、股票数据(无需使用爬虫框架)
-
使用Scrapy爬取动态数据
-
一起学爬虫——如何爬取通过ajax加载数据的网站
-
Java爬虫--利用HttpClient和Jsoup爬取博客数据并存入数据库
-
Python爬虫学习记录——8.使用自动化神器Selenium爬取动态网页
-
java爬虫爬取动态页面使用ajax加载
-
Python爬虫爬取ajax动态加载页面——证监会法规爬取
-
python爬虫使用senlenium爬取拉勾网招聘数据
-
最新-使用selenium爬取淘宝商品数据(扫码方式绕过反爬虫验证),并根据搜索关键词分类