java从网页抓取数据(本文就用Java给大家演示如何抓取网站的数据：（1）)

　　java从网页抓取数据(本文就用Java给大家演示如何抓取网站的数据：（1）)

　　原文链接：

　　有时由于各种原因，我们需要从某个网站采集数据，但是因为不同的网站显示的数据略有不同！

　　本文使用Java向大家展示如何抓取网站的数据：（1）抓取原创

网页数据；（2）抓取网页Javascript返回的数据。

　　一、 抓取原创

网页。

　　在这个例子中，我们将从上面获取 ip 查询的结果：

　　第一步：打开这个网页，输入IP：111.142.55.73，点击查询按钮，可以看到网页显示的结果：

　　

　　第二步：查看网页源代码，我们在源代码中看到这一段：

　　

　　由此可以看出，在重新请求网页后显示查询的结果。

　　查询后看网页地址：

　　

　　换句话说，我们只要访问这样一个网址，就可以得到ip查询的结果。接下来看代码：

　　[爪哇]

　　publicvoidcaptureHtml(Stringip)throwsException{StringstrURL=""+ip;URLurl=newURL(strURL);HttpURLConnectionhttpConn=(HttpURLConnection)url.openConnection();InputStreamReaderinput=newInputStreamReader(httpConn.getInputStream(),"utf-8");BufferedReaderbufReader= newBufferedReader(input);Stringline="";StringBuildercontentBuf=newStringBuilder();while((line=bufReader.readLine())!=null){contentBuf.append(line);}Stringbuf=contentBuf.toString();intbeginIx= buf.indexOf("查询结果[");intendIx=buf.indexOf("以上四项依次显示");Stringresult=buf.substring(beginIx,endIx);System.out.println("captureHtml()结果：\n"+result);}

　　使用HttpURLConnection连接网站，使用bufReader保存网页返回的数据，然后通过自定义解析方式显示结果。

　　这里我只是随便解析了一下，如果你想解析的很准确，就需要自己处理了。

　　分析结果如下：

　　captureHtml() 的结果：

　　查询结果[1]：111.142.55.73 ==>> 1871591241 ==>> 福建省漳州市手机

　　二、 抓取网页的 JavaScript 返回的结果。

　　有时，网站为了保护自己的数据，不会直接在网页源代码中返回数据，而是采用异步的方式用JS返回数据，这样可以避免网站数据被搜索等工具抓取引擎。

　　首先看这个页面：

　　

　　使用第一种方法查看网页源代码，但是没有找到运单的跟踪信息，因为是通过JS获取的结果。

　　但是有时候我们需要获取JS数据，这个时候我们该怎么办呢？

　　这时候我们就需要用到一个工具：HTTP Analyzer，这个工具可以拦截Http的交互内容，我们使用这个工具来达到我们的目的。

　　第一次点击开始按钮后，它开始监控网页的交互行为。

　　我们打开网页：，可以看到HTTP Analyzer列出了网页的所有请求数据和结果：

　　

　　为了更方便的查看JS的结果，我们先清空数据，然后输入快递单号：7，点击查询按钮，然后查看HTTP Analyzer的结果：

　　

　　这是点击查询按钮后HTTP Analyzer的结果。让我们继续检查：

　　

　　

　　从上两图可以看出，HTTP Analyzer可以拦截JS返回的数据，并在Response Content中展示。同时可以看到JS请求的网页地址。

　　在这种情况下，我们只需要分析HTTP Analyzer的结果，然后模拟JS的行为来获取数据，即我们只需要访问JS请求的网页地址就可以获取数据。当然前提是数据没有加密，我们写下JS Requested URL：

　　然后让程序请求这个页面的结果！

　　这是代码：

　　[爪哇]

　　publicvoidcaptureJavascript(Stringpostid)throwsException{StringstrURL=""+postid+"&channel=&rnd=0";URLurl=newURL(strURL);HttpURLConnectionhttpConn=(HttpURLConnection)url.openConnection();InputStreamReaderinput=newInputStreamReader(httpConn.getInputStream(),"utf -8");BufferedReaderbufReader=newBufferedReader(input);Stringline="";StringBuildercontentBuf=newStringBuilder();while((line=bufReader.readLine())!=null){contentBuf.append(line);}System.out .println("captureJavascript() 的结果：\n"+contentBuf.toString());}

　　可以看到，抓取JS的方式和抓取原创

网页的代码完全一样，我们只是做了一个解析JS的过程。

　　下面是程序执行的结果：

　　captureJavascript() 的结果：

　　运单跟踪信息 [7]

　　这些数据就是JS返回的结果，我们的目的就达到了！

　　希望这篇文章能对需要的朋友有所帮助。如果您需要程序的源代码，请点击这里下载！