htmlunit与Jsoup

//这个函数的目的是在获取页面的同时，也获取链接对应的cookie
public static HtmlPage getCookieAndHtml(String url)throws IOException{
   URL link=new URL(url);
   WebClient wc=new WebClient();
   WebRequest request=new WebRequest(link);
   wc.getCookieManager().setCookiesEnabled(true);//开启cookie管理
   wc.getOptions().setJavaScriptEnabled(true);//开启js解析。对于变态网页，这个是必须的
   wc.getOptions().setCssEnabled(true);//开启css解析。对于变态网页，这个是必须的。
   HtmlPage page = wc.getPage(request);
   CookieManager CM = wc.getCookieManager(); //WC = Your WebClient's name
   ThreeExecute.cookie = CM.getCookies();//返回的Cookie在这里，下次请求的时候可能可以用上啦。这里的cookie是ThreeExecute这个类中的全局静态变量，类型为Set<Cookie>
   wc.close();
   return page;
}

//调用

public static HtmlPage getHtml1(String url, Set<Cookie> cookies)throws IOException{
   URL link =new URL(url);
   final WebClient webClient = new WebClient();
   WebRequest request = new WebRequest(link);
   webClient.getOptions().setCssEnabled(false);
   webClient.getOptions().setJavaScriptEnabled(true);
   webClient.getOptions().setThrowExceptionOnScriptError(true);
   Iterator<Cookie> it = cookies.iterator();
   while (it.hasNext()) {
      webClient.getCookieManager().addCookie(it.next());
   }
   final HtmlPage page = webClient.getPage(request);
   webClient.close();
   return page;
}

Jsoup在爬取数据需要用到Cookie时的操作就很简单

Map<String, String> cookies = null;
Response res = Jsoup.connect("http://www.chengmi.com/shanghai").timeout(30000).execute();
cookies = res.cookies();

Document doc = null;
doc = Jsoup.connect(url).cookies(cookies).timeout(30000).get();

巴特西

htmlunit与Jsoup

最新文章

热门文章