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
  • 22 2019-01
    如何突破反爬虫机制抓取网页信息?

    爬虫怎么抓取网页信息?人人都说使用Python爬虫非常简单,容易学,无非是分析HTML、json数据,真的就这么简单吗?太天真了,网站都设有反爬虫机制,想要获取数据,首先要不被限制了,能突

  • 18 2020-03
    手机可以使用代理ip软件吗

    手机可以使用代理ip软件吗?答案是肯定的。不仅只是通过软件设置,也可以通过直连的方式,比如通过L2tp、pptp等协议连接,都是不需要通过软件去切换,只需要代理ip软件的账号密码就可以连

  • 05 2019-12
    代理IP与ADSL换IP对比

    如果是需要换IP,那么其实我们可以利用的方式是有很多种的,我们可以通过代理IP来换,也可以通过ADSL拨号来换。今天我们来对比看看这两种换IP方式。

  • 22 2019-11
    Python怎么获取网页源码?

    Python跟代理IP是一组梦幻的搭配,很多网络工作者都非常喜欢。今天我们来聊聊Python怎么获取网页的源码?下面看看机灵代理带来的教程。

  • 25 2019-06
    使用代理IP网络变差怎么回事

    使用代理IP网络变差怎么回事?本来网络速度还可以的,刚刚换个代理IP使用,发现网络慢了很多,这是怎么回事呢?

  • 11 2020-02
    如何获取免费的代理ip

    对许多对代理ip要求质量不高,或者单纯只是用来练手的用户来说,免费代理ip永远是第一选择,毕竟不要钱这点就俘获了无数用户的心。许多人都希望能够用免费代理ip来处理要求不高的任务,

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