您的位置:首页 > 新闻资讯 >文章内容
java爬虫的HttpClient请求
来源:互联网 作者:admin 时间:2019-02-15 10:48:37

我们在获取网络资源的过程中,或许会一些限制,所以许多Java程序要使用HTTP协议来获取网络资源,今天我们来了解下java爬虫的HttpClient请求:


什么是HttpClient:


HttpClient是Apache Jakarta Common 下的子项目,可以用来提供高效的、最新的、功能丰富的支持HTTP协议的客户端编程工具包,并且它支持HTTP协议最新的版本和建议。


HttpClient就是一个增强版的HttpURLConnection,主要用于模拟浏览器请求url,返回response获取网页数据,然后使用jsoup解析网页,提取我们需要的信息。


java爬虫的HttpClient请求:


1.发送httpget请求


java爬虫的HttpClient请求


2.httpclient发送请求


使用httpclient直接发送请求,对于某些安全性较高的网站而言,该httpGet请求会被识别非浏览器代理请求而被拒绝访问。所以一般项目都需要使用httpClient模拟浏览器发送请求,浏览器关键参数。


  java爬虫的HttpClient请求


HttpGet请求除了访问到指定的url之外,还可设置请求头、请求连接等参数信息。这些参数对于真实浏览器发送的http请求是必不可少的,可通过浏览器-network进行查看具体需要设置哪几种参数以及参数值。


  java爬虫的HttpClient请求


对于返回的response httpEntity,可获取实体的内容编码,以及返回状态码来。返回实体信息主要用于特征识别 ,使用content-type过滤调不需要的其他相应类型,例如只要text类型的。


3.采集图片


response返回信息中肯定会有对应图片信息,例如图片验证码、图片二维码等登录凭证。在编写爬虫时,网页中图片的采集方案大致如下:


筛选图片:确认该请求为图片,根据contentType进行筛选。获取是图片的请求 ,找到图片,然后处理,另存。


保存方式:图片服务器,采集好放到图片服务器中;直接存到项目目录下,webapp项目路径下或者缓存中。


  java爬虫的HttpClient请求


这里使用了commons-io, apache IO 框架 copyFileto方法,直接将图片流另存为图片文件到指定路径下。


四、动态更换代理IP


一般对于访问量大、安全性高的网站都有各自的反爬策略,其中针对定期、规律性访问的IP会进行拉黑屏蔽处理。定向爬取某类网站数据便需要使用大量代理IP进行访问,避免IP被封的情况发生。其中代理IP根据是否易被目标网站发现分为,透明代理、匿名代理、混淆代理(伪装)、高匿代理(隐蔽性最高,让别人根本无法发现你在使用代理)。


一般如果IP被封,那请求返回状态一般为403,拒绝访问,这时则需要换一个ip再去访问。另外代理ip管理策略,如果项目没有专门购买批量代理Ip则需要自行在网站上抓代理ip,把抓到的ip都放到先进先出的队列里。n个队列,例如每个40个IP放到1个队列里,队列里<10个了,再去抓。队列里的IP先进先出,避免重复使用。养成代理IP池。


  java爬虫的HttpClient请求



相关文章内容简介
推荐阅读
  • 05 2019-12
    廉价代理IP能够用吗?

    我们在选择一样商品的时候,价格往往会是影响我们购买的主要因素,在代理IP的选择上,自然也是受到价格因素的影响。所以,一些比较便宜的代理IP也非常多人选择,用户被价格吸引过去,

  • 27 2019-03
    爬走代理设置IP的方法有哪些?

    现如今很多网站在制作爬走代理时,一般都会用爬虫爬取想要的各种资料,尤其是使用计算机自动抓取,这就需要我们在使用服务器时有一个强度大、速度快的服务器,而通常我们所使用的网站

  • 01 2019-09
    常用8种Python爬虫技巧

    开展爬虫工作都会需要用到代理IP,对于爬虫的学习者来说,其实在Python爬虫操作的时候,会有很多重复的常用操作。掌握这些代码能够为爬虫工作节省不少时间,下面为大家总结了8个常用的技

  • 20 2019-08
    看看代理IP可以用在哪些方面

    代理IP根据隐秘性,有透明代理、普通匿名代理、高级匿名代理这几种划分,那么根据不同的代理IP,它们的应用场景有哪些方面呢?

  • 08 2019-08
    在浏览器上设置代理IP

    在浏览器上设置代理IP,看起来是非常的简单,不过实际上还是有些难度的。这电脑应该怎么设置代理IP啊?你是想在浏览器上设置代理IP吗?软件不一样,所以代理IP的设置方法也不一样,我告

  • 23 2019-08
    动态IP代理商 要怎么选择

    面对海量的动态IP代理商,我们除了从价格上进行比较之外,有什么指标能够帮助我们很好的选到合适的IP代理呢?下面就由机灵代理为大家分享挑选代理商的一些方法,以供参考。

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部