HttpURLConnection模拟浏览器+网络数据抓取

简介:
/**
     *网页抓取方法
     * @param urlString      要抓取的url地址
     * @param charset        网页编码方式
     * @param timeout        超时时间

     * @return               抓取的网页内容\

      *      //http://blog.csdn.net/yjflinchong

     * @throws IOException   抓取异常
     */
    public static String GetWebContent(String urlString, final String charset, int timeout) throws IOException {
        if (urlString == null || urlString.length() == 0) {
            return null;
        }
        urlString = (urlString.startsWith("http://") || urlString.startsWith("https://")) ? urlString : ("http://" + urlString).intern();
        URL url = new URL(urlString);
        HttpURLConnection conn = (HttpURLConnection) url.openConnection();
        conn.setDoOutput(true);   
        conn.setRequestProperty("Pragma", "no-cache");   
        conn.setRequestProperty("Cache-Control", "no-cache");   
        //http://blog.csdn.net/yjflinchong
        int temp = Integer.parseInt(Math.round(Math.random()*7)+"");
        conn.setRequestProperty(
                "User-Agent",
                    UserAgent[temp]);  // 模拟手机系统
        conn.setRequestProperty("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8");//只接受text/html类型,当然也可以接受图片,pdf,*/*任意,就是tomcat/conf/web里面定义那些
        conn.setConnectTimeout(timeout);
        try {
            if (conn.getResponseCode() != HttpURLConnection.HTTP_OK) {
                return null;
            }
        } catch (Exception e) {
            try {
                log.printException(e);
            } catch (Exception e2) {
                e2.printStackTrace();
            }
            return null;
        }
        InputStream input = conn.getInputStream();
        BufferedReader reader = new BufferedReader(new InputStreamReader(input,
                charset));
        String line = null;
        StringBuffer sb = new StringBuffer();
        while ((line = reader.readLine()) != null) {
            sb.append(line).append("\r\n");

        }

         //http://blog.csdn.net/yjflinchong

        if (reader != null) {
            reader.close();
        }
        if (conn != null) {
            conn.disconnect();
        }
        return sb.toString();
    }
    
    public static String[] UserAgent = {
        "Mozilla/5.0 (Linux; U; Android 2.2; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.2",
        "Mozilla/5.0 (iPad; U; CPU OS 3_2_2 like Mac OS X; en-us) AppleWebKit/531.21.10 (KHTML, like Gecko) Version/4.0.4 Mobile/7B500 Safari/531.21.11",

        "Mozilla/5.0 (SymbianOS/9.4; Series60/5.0 NokiaN97-1/20.0.019; Profile/MIDP-2.1 Configuration/CLDC-1.1) AppleWebKit/525 (KHTML, like Gecko) BrowserNG/7.1.18121",

        //http://blog.csdn.net/yjflinchong

        "Nokia5700AP23.01/SymbianOS/9.1 Series60/3.0",
        "UCWEB7.0.2.37/28/998",
        "NOKIA5700/UCWEB7.0.2.37/28/977",
        "Openwave/UCWEB7.0.2.37/28/978",
        "Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/989"

    };






      本文转自yjflinchong 51CTO博客,原文链接:http://blog.51cto.com/yjflinchong/1164973,如需转载请自行联系原作者


相关文章
|
1月前
|
Web App开发 API 数据格式
Python网络数据抓取(2):HTTP Headers
Python网络数据抓取(2):HTTP Headers
21 0
|
4月前
|
数据采集 机器学习/深度学习 搜索推荐
探索数据之海——网络爬虫与数据抓取技术的应用与发展
在当今信息爆炸的时代,获取大量高质量的数据成为各行各业的迫切需求。网络爬虫和数据抓取技术作为一种有效的手段,正在被广泛应用于各个领域。本文将深入探讨网络爬虫的原理、应用场景以及未来的发展趋势,为读者带来关于数据抓取技术的全面了解。
329 5
|
4月前
|
数据采集 搜索推荐 数据处理
探索数据的无尽可能性:网络爬虫与数据抓取技术
本文将深入探讨网络爬虫与数据抓取技术的重要性和应用,介绍其在信息收集、市场分析、学术研究等领域的广泛应用。我们将探索这一技术的原理、挑战和发展前景,并展望未来数据抓取技术的潜力。
65 0
|
16天前
|
数据采集 存储 JSON
【专栏】网络爬虫与数据抓取的基础知识,包括爬虫的工作原理、关键技术和不同类型
【4月更文挑战第27天】本文介绍了网络爬虫与数据抓取的基础知识,包括爬虫的工作原理、关键技术和不同类型。通过实例展示了如何构建简单爬虫,强调实战中的环境搭建、目标分析及异常处理。同时,文章探讨了法律、伦理考量,如尊重版权、隐私保护和合法用途,并分享了应对反爬策略。最后,倡导遵守数据抓取道德规范,以负责任的态度使用这项技术,促进数据科学的健康发展。
|
6天前
|
存储 JavaScript 前端开发
Python网络数据抓取(5):Pandas
Python网络数据抓取(5):Pandas
28 8
|
15天前
|
存储 XML 自然语言处理
Python网络数据抓取(4):Beautiful Soup
Python网络数据抓取(4):Beautiful Soup
22 2
|
21天前
|
存储 Python
Python网络数据抓取(3):Requests
Python网络数据抓取(3):Requests
16 5
|
1月前
|
数据采集 机器学习/深度学习 程序员
Python网络数据抓取(1):Why Python?
Python网络数据抓取(1):Why Python?
12 1
|
4月前
|
数据采集 存储 安全
网络爬虫与数据抓取技术:解锁信息获取新姿势
网络时代,数据是非常重要的资源。通过网络爬虫和数据抓取技术,我们可以从互联网上快速获取所需的数据,并进行分析和应用。本文将深入介绍网络爬虫和数据抓取技术,探讨其原理、应用场景、优缺点以及相关工具和技巧,帮助读者了解网络数据抓取的全貌。
|
4月前
|
数据采集 存储 机器学习/深度学习
解密网络爬虫与数据抓取技术的奇妙世界
在信息时代,网络爬虫与数据抓取技术扮演着重要角色,它们能够帮助我们从庞杂的网络数据中提取有用信息。本文将深入探讨网络爬虫的工作原理、应用场景以及技术挑战,并展望未来发展方向。