在通过java采集网页数据时,我们常常会遇到这样的问题:
站点需要登陆才能访问
而这种网站,一般都会对请求进行账号密码的验证,验证的方式也有多种,需要具体分析.
今天分析其中的一种情况:
站点对登陆密码进行动态加密,作为Cookie响应给客户端,之后的请求需要携带加密后的密码进行访问
登陆成功的响应头如下图:
之后的请求头:
因为每次登陆生成一个新的加密密码,所以之前的密码会失效
所以,需要在每次采集之前,先模拟登陆获取响应的密码,再作为cookie继续请求,我们选择采用HttpClient模拟请求.
我们模拟访问千瓜数据,代码如下:
1 import org.apache.commons.httpclient.HttpClient;
2 import org.apache.commons.httpclient.NameValuePair;
3 import org.apache.commons.httpclient.methods.PostMethod;
5 @Test
6 public void testLogin() throws IOException {
7 //时间戳
8 long timestamp = new Date().getTime();
9 //请求地址
10 String url = "http://api.qian-gua.com/login/Login?_=" + timestamp;
11 HttpClient client = new HttpClient();
12 //post请求方式
13 PostMethod postMethod = new PostMethod(url);
14 //推荐的数据存储方式,类似key-value形式
15 NameValuePair telPair = new NameValuePair();
16 telPair.setName("tel");
17 telPair.setValue("181****0732");
18 NameValuePair pwdPair = new NameValuePair("pwd","a123456");
19 //封装请求参数
20 postMethod.setRequestBody(new NameValuePair[]{telPair,pwdPair});
21 //这里是设置请求内容为json格式,根据站点的格式决定
22 //因为这个网站会将账号密码转为json格式,所以需要这一步
23 postMethod.setRequestHeader("Content_Type","application/json");
24 //执行请求
25 client.executeMethod(postMethod);
26 //通过Post/GetMethod对象获取响应头信息
27 String cookie = postMethod.getResponseHeader("Set-Cookie").getValue();
28 //截取需要的内容
29 String sub = cookie.substring(cookie.indexOf("&"), cookie.lastIndexOf("&"));
30 String[] splitPwd = sub.split("=");
31 String pwd = splitPwd[1];
32 System.out.println(pwd);
这样,就可以在之后的请求中携带加密的密码访问了