php抓取网页动态数据(怎样抓取站点的数据：（1）抓取原网页数据)

　　php抓取网页动态数据(怎样抓取站点的数据：（1）抓取原网页数据)

　　​​​

　　有时出于各种原因，我们需要从某个站点采集数据，但是因为不同站点显示数据的方式略有不同！

　　本文使用Java为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、获取原创网页。

　　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，然后输入IP：111.142.55.73，点击查询按钮，可以看到网页上显示的结果：

　　第二步：查看网页的源码，我们看到源码中有这么一段：

　　由此可以看出，再次请求网页后，才显示查询结果。

　　看看查询后的网页地址：

　　也就是说，我们只有通过访问这样的URL才能得到ip查询的结果。接下来看代码：

　　public void captureHtml(String ip) throws Exception {<br /> String strURL = "http://ip.chinaz.com/?IP=" + ip;<br /> URL url = new URL(strURL);<br /> HttpURLConnection httpConn = (HttpURLConnection) url.openConnection();<br /> InputStreamReader input = new InputStreamReader(httpConn<br /> .getInputStream(), "utf-8");<br /> BufferedReader bufReader = new BufferedReader(input);<br /> String line = "";<br /> StringBuilder contentBuf = new StringBuilder();<br /> while ((line = bufReader.readLine()) != null) {<br /> contentBuf.append(line);<br /> }<br /> String buf = contentBuf.toString();<br /> int beginIx = buf.indexOf("查询结果[");<br /> int endIx = buf.indexOf("上面四项依次显示的是");<br /> String result = buf.substring(beginIx, endIx);<br /> System.out.println("captureHtml()的结果：\n" + result);<br />}

　　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。如果解析非常准确，需要我自己处理。

　　解析结果如下：

　　captureHtml() 的结果：

　　查询结果[1]：111.142.55.73 ==&gt;&gt; 1871591241 ==&gt;&gt; 福建漳州移动

　　二、在网页上获取 JavaScript 返回的结果。

　　有时网站为了保护自己的数据，不会直接在网页源码中返回数据，而是使用JS异步返回数据，这样可以避免工具抓取网站数据比如搜索引擎。

　　先看看这个页面：

　　第一种方式查看网页源代码，但是没有找到运单的跟踪信息，因为它是通过JS的方式获取结果的。

　　但是有时候我们非常需要获取JS数据，这个时候我们应该怎么做呢？

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

　　先点击开始按钮后，开始*敏*感*词*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，我们先清除数据，然后在网页中输入快递号码：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，我们继续查看：

　　从上面两张图可以看出，HTTP Analyzer可以截取JS返回的数据并显示在Response Content中，同时可以看到JS请求的网页地址。

　　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，也就是我们只需要访问JS请求的网页地址就可以获取数据，当然前提是就是数据没有加密，我们记下JS请求的URL：

　　然后让程序请求这个网页的结果！

　　这是代码：

　　public void captureJavascript(String postid) throws Exception {<br /> String strURL = "http://www.kiees.cn/sf.php?wen=" + postid<br /> + "&channel=&rnd=0";<br /> URL url = new URL(strURL);<br /> HttpURLConnection httpConn = (HttpURLConnection) url.openConnection();<br /> InputStreamReader input = new InputStreamReader(httpConn<br /> .getInputStream(), "utf-8");<br /> BufferedReader bufReader = new BufferedReader(input);<br /> String line = "";<br /> StringBuilder contentBuf = new StringBuilder();<br /> while ((line = bufReader.readLine()) != null) {<br /> contentBuf.append(line);<br /> }<br /> System.out.println("captureJavascript()的结果：\n" + contentBuf.toString());<br />}

　　可以看到，爬取JS的方法和之前爬取原创网页的代码完全一样，只是做了一个解析JS的过程。

　　下面是运行程序的结果：

　　captureJavascript() 的结果：

　　运单跟踪信息 [7]

　　这些数据就是JS返回的结果，达到了我们的目的！