欢迎光临企业官网建站网站,提供自助建设系统平台服务

企业官网建站

专业为公司品牌推广建设网站

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

作者:jcmp      发布时间:2021-04-21      浏览量:0
前面两章内容阐述了httpClient怎

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。

我首先确认登录验证的请求所需要携带的参数:

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。

一、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。

二、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。

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; } }

三、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。

四、模拟登录,保持登录状态

登录所需的五个参数 appId 、 username 、 password 、 randCodeId 、 code 、 clientCallback 、 username 已知, appId 和 randCodeId 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。

五、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 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);