抓取网页数据(Java如何抓取网站的数据：(1)原网页数据)
优采云 发布时间: 2021-09-22 00:12抓取网页数据(Java如何抓取网站的数据：(1)原网页数据)
有时由于各种原因，我们需要采集一些网站数据，但由于网站数据的不同，数据的显示方式略有不同
本文使用Java向您展示如何抓取网站数据：（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
在本例中，我们将从以下位置获取IP查询的结果：
步骤1：打开此页面并输入IP：111. 142. 55.73.点击查询按钮查看网页上显示的结果：
第二步：查看web源代码。我们可以看到源代码中有一段：
从这里可以看出，查询结果是在重新请求网页后显示的
我们来看看查询后的网址：
换言之，只要访问这样的网站，我们就可以得到IP查询的结果。接下来，看看代码：
publicvoidcaptureHtml（Stringip）throwsException{
StringstrURL=“”+ip
URLurl=newURL（strURL）
HttpURLConnectionhttpConn=（HttpURLConnection）url.openConnection（）
InputStreamReaderinput=newInputStreamReader（httpConn
.getInputStream（），“utf-8”）
BufferedReaderBufferReader=newBufferedReader（输入）
Stringline=“”
StringBuildercontentBuf=newStringBuilder（）
而（（line=bufReader.readLine（））！=null）{
contentBuf.append（行）
}
Stringbuf=contentBuf.toString（）
Intbeginix=buf.Indexof（“查询结果[”）
Intendix=buf.indexof（“以上四项依次显示”）
Stringresult=buf.子串（beginIx，endIx）
System.Out.Println（“capturehtml（）的结果：\n”+结果）
}
使用httpurlconnection连接到网站，用bufreader保存网页返回的数据，然后通过自定义解析方法显示结果
我只是随便分析一下。如果我想非常准确地分析它，我需要再次处理它
分析结果如下：
capturehtml（）的结果：
查询结果[1]：111. 142. 55.73==>；1871591241==>；福建省漳州移动
二、grab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，不直接在web源代码中返回数据，而是使用JS异步方式返回数据，这样可以避免搜索引擎等工具捕获网站数据
首先看一下这一页：
第一种方式是查看网页的源代码，但是找不到运单的跟踪信息，因为它是通过JS获得结果的
但有时我们需要获取JS数据。此时我们应该做什么
此时，我们需要使用一个工具：http analyzer，它可以拦截http的交互内容。我们使用这个工具来实现我们的目的
首先，单击开始按钮后，它开始*敏*感*词*web页面的交互
当我们打开网页：，我们可以看到HTTP analyzer列出了该网页的所有请求数据和结果：
为了更方便的查看JS的结果，我们先清除这些数据，然后在网页中输入快递订单号：7，点击查询按钮，然后查看HTTP analyzer的结果：
这是HTTP analyzer点击查询按钮后的结果，我们继续查看：
从上面两幅图可以看出，HTTP analyzer可以截获JS返回的数据并显示在响应内容中，同时可以看到JS请求的网页地址
在这种情况下，我们可以通过分析HTTP analyzer的结果，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，当然前提是这些数据没有加密，我们写下JS请求的URL：
然后让程序请求此网页的结果
代码如下：
publicvoidcaptureJavascript（Stringpostid）throwsException{
StringstrURL=“”+postid
+“&；channel=&；rnd=0”
URLurl=newURL（strURL）
HttpURLConnectionhttpConn=（HttpURLConnection）url.openConnection（）
InputStreamReaderinput=newInputStreamReader（httpConn
.getInputStream（），“utf-8”）
BufferedReaderBufferReader=newBufferedReader（输入）
Stringline=“”
StringBuildercontentBuf=newStringBuilder（）
而（（line=bufReader.readLine（））！=null）{
contentBuf.append（行）
}
System.Out.Println（“capturejavascript（）的结果：\n”+contentbuf.Tostring（））
}
就像两颗豌豆一样。抓取JS的方法与我们抓取原创页面的代码完全相同。我们只是做了一个分析JS的过程
以下是程序执行的结果：
capturejavascript（）的结果：
运单跟踪信息[7]
这些数据是JS返回的结果，我们的目标已经实现了
希望本文能帮助有需要的朋友。如果您需要该程序的源代码，请点击这里下载
