JAVA爬虫之HttpClient入门演示

HttpClient分享

HttpClient 是Apache Jakarta Common 下的子项目,可以用来提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包,并且它支持 HTTP 协议最新的版本和建议。

1. 初识HttpClient 使用HttpClient爬取某网站

前置知识

  • Javaj基础
  • 网络知识基础

代码如下图:

    @Test
    public  void helloHttpClient() throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault();
        String uri="https://www.tuicool.com/";
        HttpGet httpGet=new HttpGet(uri);
        CloseableHttpResponse response = httpClient.execute(httpGet);
        HttpEntity entity = response.getEntity();
        String entityStr = EntityUtils.toString(entity, DEFAULT_CHARASET);
        logger.info(entityStr);
        response.close();
        httpClient.close();
    }

爬取网页被拦截

被拦截.png

为什么呢?浏览器能正常访问

浏览器正常访问.png

浏览器正常访问关键.png

看到了请求头部分的User-Agent信息于是模仿浏览器

@Test
    /**
     * 模拟浏览器访问
     * 在HttpGet例设置请求头内容,通过kv的方式赋予浏览器的标示
     * @throws Exception
     */
    public  void analogBrowser() throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault();
        String uri="https://www.tuicool.com/";
        HttpGet httpGet=new HttpGet(uri);
//      在HttpGet例设置请求头内容,通过kv的方式赋予浏览器的标示,当然也可以赋值为Android、iOS等客户端
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36");
        CloseableHttpResponse response = httpClient.execute(httpGet);
        HttpEntity entity = response.getEntity();
        logger.info("返回响应状态编码为[ {} ]",response.getStatusLine().getStatusCode());
        logger.info("返回内容编码类型为[ {} ]",entity.getContentType().getValue());
        String entityStr = EntityUtils.toString(entity, DEFAULT_CHARASET);
        logger.info(entityStr);
        response.close();
        httpClient.close();
    }

模仿浏览器后允许访问

模仿浏览器后允许访问.png

接下来我们搞点事情,为了以后从某站下载某些不可描述的资料做准备,下载一张图片

@Test
    /**
     * 下载图片
     * @throws Exception
     */
    public  void dowloadPicture() throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault();
        String uri="https://aimg2.tuicool.com/YnmA3y3.jpg!index";
        HttpGet httpGet=new HttpGet(uri);
//      在HttpGet例设置请求头内容,通过kv的方式赋予浏览器的标示,当然也可以赋值为Android、iOS等客户端
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36");
        CloseableHttpResponse response = httpClient.execute(httpGet);
        HttpEntity entity = response.getEntity();
        if(null!=entity) {
            logger.info("返回响应状态编码为[ {} ]",response.getStatusLine().getStatusCode());
            logger.info("返回内容编码类型为[ {} ]",entity.getContentType().getValue());
//          通过流的方式把图片
            InputStream inputStream = entity.getContent();
            FileUtils.copyToFile(inputStream, new File("/home/left/aaa.jpg"));
        }
        response.close();
        httpClient.close();
    }

控制台显示

下载图片控制台显示.png

图片下载成功

下载图片1.png

使用代理

    @Test
    /**
     * 使用代理IP
     * @throws Exception
     */
    public  void helloProxyip() throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault();
        String uri="http://www.i2finance.net/";
        HttpGet httpGet=new HttpGet(uri);
//      在HttpGet例设置请求头内容,通过kv的方式赋予浏览器的标示,当然也可以赋值为Android、iOS等客户端
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36");
        HttpHost proxy=new HttpHost("103.235.199.93", 49176);
        RequestConfig config = RequestConfig.custom().setProxy(proxy).build();
        //      设置代理
        httpGet.setConfig(config);
        CloseableHttpResponse response = httpClient.execute(httpGet);
        HttpEntity entity = response.getEntity();
        if(null!=entity) {
            logger.info("此次为代理访问,代理信息为[{}]",httpGet.getConfig().getProxy());
            logger.info("返回响应状态编码为[ {} ]",response.getStatusLine().getStatusCode());
            logger.info("返回内容编码类型为[ {} ]",entity.getContentType().getValue());
        }
        response.close();
        httpClient.close();
    }
设置代理访问.png

关于超时,可以通过设置超时时间(单位毫秒)来判断是否该结束当前进行,避免空耗

public static void main(String[] args) throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault();
        String uri="http://www.i2finance.net/";
        HttpGet httpGet=new HttpGet(uri);
//      在HttpGet例设置请求头内容,通过kv的方式赋予浏览器的标示,当然也可以赋值为Android、iOS等客户端
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36");
        RequestConfig config = RequestConfig.custom()
                .setConnectionRequestTimeout(100)
                .setSocketTimeout(10)
                .build();
        //      设置代理
        httpGet.setConfig(config);
        CloseableHttpResponse response = httpClient.execute(httpGet);
        HttpEntity entity = response.getEntity();
        if(null!=entity) {
            logger.info("此次为代理访问,代理信息为[{}]",httpGet.getConfig().getProxy());
            logger.info("返回响应状态编码为[ {} ]",response.getStatusLine().getStatusCode());
            logger.info("返回内容编码类型为[ {} ]",entity.getContentType().getValue());
        }
        response.close();
        httpClient.close();
    }

未超时

未超时.png

超时

超时.png
读超时.png

鄙人入行时短,才疏学浅,感谢大家花费时间听我听我叨叨HttpClient入门这点知识,较为浅显,更多的小技巧,如配合多线程和定时任务,有待挖掘。还希望各位同事多多指点,共同进步。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342