博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
HttpURLConnection模拟浏览器+网络数据抓取
阅读量:6837 次
发布时间:2019-06-26

本文共 2468 字,大约阅读时间需要 8 分钟。

/**

     *网页抓取方法

     * @param urlString      要抓取的url地址

     * @param charset        网页编码方式

     * @param timeout        超时时间

     * @return               抓取的网页内容\

      *      //http://blog.csdn.net/yjflinchong

     * @throws IOException   抓取异常

     */

    public static String GetWebContent(String urlString, final String charset, int timeout) throws IOException {

        if (urlString == null || urlString.length() == 0) {

            return null;

        }

        urlString = (urlString.startsWith("http://") || urlString.startsWith("https://")) ? urlString : ("http://" + urlString).intern();

        URL url = new URL(urlString);

        HttpURLConnection conn = (HttpURLConnection) url.openConnection();

        conn.setDoOutput(true);   

        conn.setRequestProperty("Pragma", "no-cache");   

        conn.setRequestProperty("Cache-Control", "no-cache");   

        //http://blog.csdn.net/yjflinchong

        int temp = Integer.parseInt(Math.round(Math.random()*7)+"");

        conn.setRequestProperty(

                "User-Agent",

                    UserAgent[temp]);  // 模拟手机系统

        conn.setRequestProperty("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8");//只接受text/html类型,当然也可以接受图片,pdf,*/*任意,就是tomcat/conf/web里面定义那些

        conn.setConnectTimeout(timeout);

        try {

            if (conn.getResponseCode() != HttpURLConnection.HTTP_OK) {

                return null;

            }

        } catch (Exception e) {

            try {

                log.printException(e);

            } catch (Exception e2) {

                e2.printStackTrace();

            }

            return null;

        }

        InputStream input = conn.getInputStream();

        BufferedReader reader = new BufferedReader(new InputStreamReader(input,

                charset));

        String line = null;

        StringBuffer sb = new StringBuffer();

        while ((line = reader.readLine()) != null) {

            sb.append(line).append("\r\n");

        }

         //http://blog.csdn.net/yjflinchong

        if (reader != null) {

            reader.close();

        }

        if (conn != null) {

            conn.disconnect();

        }

        return sb.toString();

    }

    

    public static String[] UserAgent = {

        "Mozilla/5.0 (Linux; U; Android 2.2; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.2",

        "Mozilla/5.0 (iPad; U; CPU OS 3_2_2 like Mac OS X; en-us) AppleWebKit/531.21.10 (KHTML, like Gecko) Version/4.0.4 Mobile/7B500 Safari/531.21.11",

        "Mozilla/5.0 (SymbianOS/9.4; Series60/5.0 NokiaN97-1/20.0.019; Profile/MIDP-2.1 Configuration/CLDC-1.1) AppleWebKit/525 (KHTML, like Gecko) BrowserNG/7.1.18121",

        //http://blog.csdn.net/yjflinchong

        "Nokia5700AP23.01/SymbianOS/9.1 Series60/3.0",

        "UCWEB7.0.2.37/28/998",

        "NOKIA5700/UCWEB7.0.2.37/28/977",

        "Openwave/UCWEB7.0.2.37/28/978",

        "Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/989"

    };

      本文转自yjflinchong 51CTO博客,原文链接:http://blog.51cto.com/yjflinchong/1164973,如需转载请自行联系原作者

你可能感兴趣的文章
web 关于跳转
查看>>
如何定义一个不能被继承的类
查看>>
给字体加粗
查看>>
python 第一课
查看>>
微信搜索谁把你删除了
查看>>
1482奖学金
查看>>
虚拟化数据中心服务器硬件配置建议
查看>>
CentOS6.4 添加播放×××
查看>>
支付宝移动支付文档url
查看>>
自动化运维之CentOS7下PXE+Kickstart+DHCP+TFTP+HTTP无人值守安装系统
查看>>
SFB 项目经验-51-某上市企业2千人Exchange 2013升级2016高可用之伤01
查看>>
【迁移2018-04-12 10:46:11】BeanCopier之MapStruct(一)
查看>>
编程的智慧
查看>>
spring 项目中的一个异常
查看>>
16个Linux服务器监控命令
查看>>
我的友情链接
查看>>
CentOS PPTP ×××
查看>>
电子工程师必须知道的10个网站 !!!
查看>>
我的友情链接
查看>>
防Xss攻击,包含富文本编辑器的处理
查看>>