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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
<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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
|
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：
|
1
2
3
4
5
6
7
8
|
//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); |
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接：https://blog.csdn.net/moneyshi/article/details/78799949
