抓取一个带cookie验证的网页信息

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 3832 天前的主题，其中的信息可能已经有所发展或是发生改变。

之前在csdn上提问过，链接 http://bbs.csdn.net/topics/390639292?page=1#post-396048345
要求：用java动态抓取一个指定网站的数据
费用：500
qq：245358419
具体的qq联系，谢谢

抓取

Java

7 条回复 • 1970-01-01 08:00:00 +08:00

omg

2013-11-25 16:22:56 +08:00

是不是需要用户登录，然后去搜索获取数据？

txlty

2013-11-25 18:18:21 +08:00

java的htmlunit应该可以全面模拟浏览器。
你也可以想办法集成phantomjs，我用phantomjs试了一下：
phantom.outputEncoding="gb2312";
var page = require('webpage').create();
page.viewportSize = { width: 1024, height: 768 };
page.settings.userAgent = 'Mozilla/5.0 (Windows NT 5.2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/28.0.1500.72 Safari/537.36'; //chrome
page.settings.loadImages = true;
page.settings.javascriptEnabled = true;
page.open("http://www.yesinfo.com.cn/pqs_revision/pages/jsp/popuPublic.jsp", function(status) {
page.onUrlChanged = function(url) { //当地址变化
console.log("page url :"+url);
};
if (status !== 'success') {
console.log('FAIL to load the address');
phantom.exit();
} else {
window.setTimeout(function () {
page.evaluate(function () {
document.querySelector('input[name=cont_id]').value = 'ESPU8040903';
document.querySelector('input[name=Submit12]').click();
});
}, 2000);
window.setTimeout(function () {
var cookie=page.evaluate(function () {
return document.cookie;
});
var result=page.evaluate(function () {
return document.querySelector('.sub_title ~ table').innerHTML;
});
console.log("cookie : "+cookie);
console.log("result : "+result);
phantom.exit();
}, 5000);
}
});
结果：

gybciy1s1s1

2013-11-26 08:58:22 +08:00

@omg 不用登陆的，是公共查询部分的内容

gybciy1s1s1

2013-11-26 09:04:13 +08:00

@txlty 谢谢，我试试，这个是要用在网站上的，所以如果能用js，那应该就可以了

gybciy1s1s1

2013-11-26 10:26:49 +08:00

这个功能要求是能在java web上使用的

gybciy1s1s1

2013-11-26 13:50:23 +08:00

@txlty phantomjs 要安装的，应该没办法集成到java web 开发里面去，我试了下htmlunit，写了以下代码：
WebClient client = new WebClient(BrowserVersion.INTERNET_EXPLORER_7);

//获取某网站页面
HtmlPage page = client.getPage("http://www.yesinfo.com.cn/pqs_revision/pages/jsp/popuPublic.jsp");

// System.out.println(page.getWebResponse().getContentAsString());
//获取某页面元素，可通过id或name，(具体方式很多 --Foxswily)
HtmlElement elmt = page.getElementById("containerId");

elmt.click();
elmt.type("PONU0693507");

//获取按钮
HtmlButtonInput loginBtn = (HtmlButtonInput)page.getElementByName("Submit12");
//点击并获得返回结果
Page resultPage = loginBtn.click();
System.out.println(resultPage.getWebResponse().getContentAsString());

发现被跳转到首页去了

gybciy1s1s1

2013-11-26 14:40:36 +08:00

已经外包出去了，谢谢大家