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
  • 02 2019-07
    几个浏览器设代理IP上网

    几个浏览器设代理IP上网,平常上网都是需要使用到浏览器的,现在浏览器也不少,今天小编就找几个浏览器,为大家介绍下如何设置代理ip上网。

  • 09 2019-05
    IP代理软件都有什么作用?

    IP代理软件都有什么作用?使用IP代理的人群占比虽然低,但是用户数并不少,一般都是一些需要更换IP的网上用户需要使用,尤其是营销人员。我们使用IP代理软件主要是用作什么呢?

  • 07 2019-05
    HTTP代理可以改QQ的IP

    HTTP代理可以改QQ的IP,大家有没有使用过?如果更换QQ的IP,这样你的IP地址就不会被好友所获知了,增加安全性,而且改IP的方法也简单,几步就能设置完了,可以先去看看:

  • 21 2019-02
    代理IP分类有哪些?用那种代理更安全

    ​用户通常通过代理来突破限制,如局域网对上网用户的端口、目的网站、协议、游戏、即时通讯软件等的限制,网站对于IP的访问频率、访问次数的限制等

  • 03 2019-04
    IP访问频率被限制,可以使用代理IP来解决

    很多人都说代理IP的用处非常大,使用的效果也好,这到底是吹的还是真的呢?

  • 18 2019-04
    恶意“爬虫”的几个特征,租用IP代理也上黑名单

    恶意“爬虫”的几个特征,租用IP代理也上黑名单。爬虫其实最早是用作搜索引擎的,但也可以作用批量收集信息,有些还被称为恶意“爬虫”,这是为何?

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961