Java爬虫(三)-- httpClient 模拟登录 + cookie 登录状态管理

前言

前面两章内容阐述了httpClient怎么模拟Http请求和如何解析页面。

接下去会讲在一些实战中遇到的问题。

现在回到我的开发摸索之路,之前说到我所爬取的网页是某个险企提供给合作公司的一个页面,通过账号登录然后爬取指定的数据。

这里就出现本章要写的主题了。模拟登录。

image

我首先确认登录验证的请求所需要携带的参数:

image

可以看到,登录需要验证码,并且密码不是明文传输的,而是通过前端js加密过后产生的,并且每次都会不一样,所以要模拟这个加密的过程。还有一些别的参数,是可以在页面上解析出来的。

实战

我觉得里面困难的地方是验证码识别,和怎么模拟前端js加密。

验证码

关于验证码识别的解决方案,有很多种,复杂的可以用图像识别算法,有钱的可以直接上接口,由于我只是想先将功能实现,所以就采用了最简单的方式,把验证码图像下载到本地,手动输入。

image

这里面要提一下,httpClient有自动管理cookie的功能,什么意思呢,就是说你只要用httpClient模拟登录成功之后,你的后续操作就是无须再登录了,只需要隔一段时间再去用这个cookie请求一次,保持这个登录的cookie不失效即可。

访问登录页面之后,去登录页面中解析出验证码图片的src,或者是模拟页面重新发起一次请求验证码的请求,得到服务器端返回的编码过后的imgSrc,一般是base64编码的,然后通过解码下载到本地,具体代码如下。


String imgStr = "..."; // 可以是从页面解析,也可以是模拟刷新验证码请求得到的
// 这里也需要注意,要先截去前缀
SpiderHttpUtils.GenerateImage(StringUtils.substringAfter(codeImgSrc, "data:image/jpg;base64,"));

public static boolean GenerateImage(String imgStr)
    {//对字节数组字符串进行Base64解码并生成图片
        if (imgStr == null) //图像数据为空
            return false;
        BASE64Decoder decoder = new BASE64Decoder();
        try
        {
            //Base64解码
            byte[] b = decoder.decodeBuffer(imgStr);
            for(int i=0;i< b.length;++i)
            {
                if(b[i]< 0)
                {//调整异常数据
                    b[i]+=256;
                }
            }
            //生成jpeg图片
            String imgFilePath = "...";//新生成的图片
            OutputStream out = new FileOutputStream(imgFilePath);
            out.write(b);
            System.out.println("生成成功");
            out.flush();
            out.close();
            return true;
        }
        catch (Exception e)
        {
            return false;
        }
    }

js模拟加密

至于怎么模拟js加密,我用了一个java自带的ScriptEngine,内容较多,在下一章具体介绍吧。

模拟登录,保持登录状态

登录所需的五个参数appIdusernamepasswordrandCodeIdcodeclientCallbackusername已知,appIdrandCodeId可从登录页面解析出来,code手动输入,clientCallback为空,至此参数已经都可以模拟出来。

之后只需要按照表单提交的方式模拟,上一章有提到的,就登录成功了。

但是登录成功之后不代表就结束了,因为我要实现的是多账号轮流抓取,并且一次登录成功之后接下去就通过cookie机制来保持登录状态。

也就是说,每个账号登录成功之后的cookie都要保存下来,接下去涉及到了cookie管理的知识。

cookie管理

httpClient里默认自动管理cookie,如果想要提取cookie或者发送自定义的cookie,则需要在httpClient对象初始化时设置一个默认的cookiestore来保存。如下图

public class SpiderHttpUtils {

    private static CloseableHttpClient httpClient;

    private static BasicCookieStore cookieStore;

    static {
        cookieStore  = new BasicCookieStore();
        httpClient = HttpClients.custom()
                .setDefaultCookieStore(cookieStore)
                .build();
    }
}

常见的命令

    // get all cookies
    List<Cookie> list = cookieStore.getCookies();
    System.out.println("All Cookies:");
        for (Cookie cookie : list) {
        System.out.println(cookie);
    }

    // 清除所有cookie
    cookieStore.clear();

    //  发送自定义cookie:(new了一个对象之后可以设置多种属性。)
    BasicClientCookie cookie = new BasicClientCookie("name", "value");
    // new a cookie
    cookie.setDomain("domain");
    cookie.setExpiryDate(new Date());
    // set the properties of the cookie
    cookieStore.addCookie(cookie);

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 213,928评论 6 493
  • 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 91,192评论 3 387
  • 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 159,468评论 0 349
  • 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 57,186评论 1 286
  • 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 66,295评论 6 386
  • 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 50,374评论 1 292
  • 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 39,403评论 3 412
  • 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 38,186评论 0 269
  • 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 44,610评论 1 306
  • 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 36,906评论 2 328
  • 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 39,075评论 1 341
  • 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 34,755评论 4 337
  • 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 40,393评论 3 320
  • 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 31,079评论 0 21
  • 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 32,313评论 1 267
  • 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 46,934评论 2 365
  • 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 43,963评论 2 351

推荐阅读更多精彩内容