JAVA使用HtmlUnit爬虫工具模拟登陆CSDN案例_Java教程

最近要弄一个爬虫程序，想着先来个简单的模拟登陆，在权衡jxbrowser和htmlunit 两种技术， jxbowser有界面呈现效果，但是对于某些js跳转之后的效果获取比较繁琐。

随后考虑用htmlunit，想着借用咱们csnd的登陆练练手。谁知道csdn的登陆，js加载时间超长，不设置长一点的加载时间，按钮提交根本没效果，js没生效。具体看代码注释吧。奉劝做爬虫的同志们，千万别用csdn登陆练手，坑死我了。

maven配置如下：

				?

									<dependencies>

									<!-- https://mvnrepository.com/artifact/net.sourceforge.htmlunit/htmlunit -->

									<dependency>

									<groupid>net.sourceforge.htmlunit</groupid>

									<artifactid>htmlunit</artifactid>

									<version>2.18</version>

									</dependency>

									<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->

									<dependency>

									<groupid>org.jsoup</groupid>

									<artifactid>jsoup</artifactid>

									<version>1.9.2</version>

									</dependency>

									</dependencies>

代码如下：

				?

									package com.test;

									import java.io.ioexception;

									import java.net.malformedurlexception;

									import java.util.hashmap;

									import java.util.map;

									import java.util.set;

									import com.gargoylesoftware.htmlunit.browserversion;

									import com.gargoylesoftware.htmlunit.failinghttpstatuscodeexception;

									import com.gargoylesoftware.htmlunit.nicelyresynchronizingajaxcontroller;

									import com.gargoylesoftware.htmlunit.silentcsserrorhandler;

									import com.gargoylesoftware.htmlunit.webclient;

									import com.gargoylesoftware.htmlunit.html.htmlbuttoninput;

									import com.gargoylesoftware.htmlunit.html.htmlform;

									import com.gargoylesoftware.htmlunit.html.htmlpage;

									import com.gargoylesoftware.htmlunit.html.htmlpasswordinput;

									import com.gargoylesoftware.htmlunit.html.htmltextinput;

									import com.gargoylesoftware.htmlunit.util.cookie;

									public class simulatelogin

									{

									 //访问的目标网址（csdn）

									 private static string target_url = "https://passport.csdn.net/account/login?from=http://www.csdn.net";

									 public static void main(string[] args) throws failinghttpstatuscodeexception, malformedurlexception, ioexception

									 {

									  // 模拟一个浏览器

									  webclient webclient = new webclient(browserversion.chrome);

									  // 设置webclient的相关参数

									  webclient.setcsserrorhandler(new silentcsserrorhandler()); 

									  //设置ajax

									  webclient.setajaxcontroller(new nicelyresynchronizingajaxcontroller());

									  //设置支持js

									  webclient.getoptions().setjavascriptenabled(true);

									  //css渲染禁止

									  webclient.getoptions().setcssenabled(false);

									  //超时时间

									  webclient.getoptions().settimeout(50000);

									  //设置js抛出异常:false

									  webclient.getoptions().setthrowexceptiononscripterror(false);

									  //允许重定向

									  webclient.getoptions().setredirectenabled(true); 

									  //允许cookie

									  webclient.getcookiemanager().setcookiesenabled(true); 

									  // 模拟浏览器打开一个目标网址

									  htmlpage page = webclient.getpage(target_url);

									  /**等待js加载完全，csdn这点 特别坑，js加载时间超长！！！！！！！ 后人切记不要用csdn模拟登陆！！！！！！！**/

									  webclient.waitforbackgroundjavascript(10000*3);

									  // 根据form的名字获取页面表单，也可以通过索引来获取：page.getforms().get(0)  

									  htmlform form = (htmlform) page.getelementbyid("fm1");   

									  htmltextinput username = (htmltextinput) form.getinputbyname("username"); 

									  htmlpasswordinput password = (htmlpasswordinput) form.getinputbyname("password"); 

									  username.setvalueattribute("********"); //用户名

									  password.setvalueattribute("********"); //密码

									  htmlbuttoninput button = (htmlbuttoninput) page.getbyxpath("//input[contains(@class, 'logging')]").get(0);

									//  scriptresult result = page.executejavascript("javascript:document.getelementsbyclassname('logging')[0].click()");

									//  htmlpage retpage = (htmlpage) result.getnewpage();

									  htmlpage retpage = button.click();

									  // 等待js驱动dom完成获得还原后的网页 

									  webclient.waitforbackgroundjavascript(1000); 

									  //输出跳转网页的地址

									  system.out.println(retpage.geturl().tostring()); 

									  //输出跳转网页的内容

									  system.out.println(retpage.asxml());

									  //获取cookie 

									  set<cookie> cookies = webclient.getcookiemanager().getcookies();

									  map<string, string> responsecookies = new hashmap<string, string>(); 

									  for (cookie c : cookies) { 

									   responsecookies.put(c.getname(), c.getvalue()); 

									   system.out.print(c.getname()+":"+c.getvalue()); 

									  } 

									  webclient.close();

									  system.out.println("success!");

									 }

									}

另外，csdn的js总是莫名其妙的报一堆错，如果不想看，想忽略的话，在创建webclient前加上如下代码：

				?

									//设置日志级别，原页面js异常不打印

									logfactory.getfactory().setattribute("org.apache.commons.logging.log", "org.apache.commons.logging.impl.nooplog"); 

									java.util.logging.logger.getlogger("com.gargoylesoftware.htmlunit") 

									 .setlevel(level.off); 

									java.util.logging.logger.getlogger("org.apache.commons.httpclient") 

									 .setlevel(level.off);