网络爬虫模拟登陆获取数据并解析实战（二）

淡淡的烟草味﹌ 2022-09-25 10:19 137阅读 0赞

**本文为原创博客，仅供学习使用。未经本人允许禁止复制下来，上传到百度文库等平台。**

**目录**

*  分析要获取的数据
 *  程序的结构
 *  构建封装数据的model
 *  模拟登陆程序并解析数据
 *  结果展示

# 分析要获取的数据 #

下面继续实战，写一个模拟登陆获取汽车之家，用户信息的程序。如果大家对模拟登陆获取数据不太了解，建议看完[http://blog.csdn.net/qy20115549/article/details/52249232][http_blog.csdn.net_qy20115549_article_details_52249232]，我写的这篇含有抓包获取人人网数据的案例程序，研究透之后，再来看这个要轻松很多。

首先，大家打开汽车之家这个网站（[http://i.autohome.com.cn/7741675/info][http_i.autohome.com.cn_7741675_info]）看看，能否直接观测到返回的用户信息数据。如下图所示，你会发现，他直接跳转到了登陆界面，并没有返回我们想看到的用户信息数据。

![这里写图片描述][20160819130744491]

为更好的讲解，我注册了一个用户，你会在我的程序中，看到用户名及密码。以下是我们要获取的用户信息。即**用户的id，用户名。用户出生日期、用户所在地**。为此，我们需要建立封装数据对象的Model。有不明白为什么要建Model的，请看我的这篇博客[http://blog.csdn.net/qy20115549/article/details/52203722][http_blog.csdn.net_qy20115549_article_details_52203722]【**基于Java的网络爬虫框架**】

![这里写图片描述][20160819130921677]

# 程序的结构 #

![这里写图片描述][20160819133550925]

为了简单，本文就没有建框架。程序的目录结果，如上图所示。

# 构建封装数据的model #

以下是我要建的封装数据对象的model，包含要获取的**用户ID，用户名，年龄，性别，地域，网站来源，爬该数据的时间点**

package renren.renren;
    /* * 合肥工业大学 管理学院 qianyang 1563178220@qq.com */
    public class UserInfo { 
        private String authorId;
        private String authorname;
        private String age;
        private String gender;
        private String area;
        private String source;
        private String craw_time;
        public String getAuthorId() {
            return authorId;
        }
        public void setAuthorId(String authorId) {
            this.authorId = authorId;
        }
        public String getAuthorname() {
            return authorname;
        }
        public void setAuthorname(String authorname) {
            this.authorname = authorname;
        }
        public String getAge() {
            return age;
        }
        public void setAge(String age) {
            this.age = age;
        }
        public String getGender() {
            return gender;
        }
        public void setGender(String gender) {
            this.gender = gender;
        }
        public String getArea() {
            return area;
        }
        public void setArea(String area) {
            this.area = area;
        }
        public String getSource() {
            return source;
        }
        public void setSource(String source) {
            this.source = source;
        }
        public String getCraw_time() {
            return craw_time;
        }
        public void setCraw_time(String craw_time) {
            this.craw_time = craw_time;
        }
    }

# 模拟登陆程序，并解析数据 #

为了简单起见，下面，**我把模拟登陆获取html文件，解析html文件以及main方法，都放到了一个程序中去了**。建议大家还是按照我之前写博客中的框架来写，逻辑比较清晰。下面是我的程序：

package renren.renren;
    
    import java.text.DateFormat;
    import java.text.SimpleDateFormat;
    import java.util.ArrayList;
    import java.util.Date;
    import java.util.List;
    import org.apache.http.HttpResponse;
    import org.apache.http.NameValuePair;
    import org.apache.http.client.ResponseHandler;
    import org.apache.http.client.entity.UrlEncodedFormEntity;
    import org.apache.http.client.methods.HttpPost;
    import org.apache.http.impl.client.BasicResponseHandler;
    import org.apache.http.impl.client.DefaultHttpClient;
    import org.apache.http.message.BasicNameValuePair;
    import org.apache.http.protocol.HTTP;
    import org.jsoup.Jsoup;
    import org.jsoup.nodes.Document;
    import org.jsoup.nodes.Element;
    import org.jsoup.select.Elements;
    /* * 合肥工业大学 管理学院 qianyang 1563178220@qq.com */
    public class Autohome1 { 
    
        private static String AutohomeRenLoginURL = "http://account.autohome.com.cn/Login/ValidIndex";  
        HttpResponse response;  
        private DefaultHttpClient httpclient = new DefaultHttpClient();  
        /* * 这里是模拟登陆的过程 */
        private boolean login() { 
            /* * 用户名及密码 * 在我们抓包的过程中，我们发现我们的密码，被MD5加密了，所以这里有一个将密码，转换成MD5的形式 */
            String userName = "";
            String password = new MD5().GetMD5Code("");  
            HttpPost httpost = new HttpPost(AutohomeRenLoginURL);  
            /* * 建立一个NameValuePair数组，用于存储欲传送的参数 * 不明白这里参数的，请看我前面写的一篇关于模拟登陆网络抓包的的博客 */
            List<NameValuePair> nvps = new ArrayList<NameValuePair>();  
            nvps.add(new BasicNameValuePair("domain", "autohome.com.cn"));  
            nvps.add(new BasicNameValuePair("isauto", "true"));  
            nvps.add(new BasicNameValuePair("method", "post"));  
            nvps.add(new BasicNameValuePair("name", userName));  
            nvps.add(new BasicNameValuePair("pwd", password));  
            try {  
                httpost.setEntity(new UrlEncodedFormEntity(nvps, HTTP.UTF_8));  
                response = httpclient.execute(httpost);  
            } catch (Exception e) {  
                e.printStackTrace();  
                return false;  
            } finally {  
                httpost.abort();  
            }  
            return true;  
        }  
        private String getText(String redirectLocation) {  
            HttpPost httpget = new HttpPost(redirectLocation);  
            ResponseHandler<String> responseHandler = new BasicResponseHandler();  
            String responseBody = "";  
            try {  
                //获取html文件
                responseBody = httpclient.execute(httpget, responseHandler);
            } catch (Exception e) {  
                e.printStackTrace();  
                responseBody = null;  
            } finally {  
                httpget.abort();  
            }  
            return responseBody;  
        }  
        public String printText(String redirectLocation) {
            String htmlText=null;
            if (login()) {  
                if (redirectLocation != null) {
                    htmlText=getText(redirectLocation);
                }  
            } 
            return htmlText;
        }  
        /* * 以下是jsoup解析的过程，有不明白Jsoup的上网搜索其API * */
        public List<UserInfo> parser(String CrawlerUrl) { 
            List<UserInfo> UserInfomation = new ArrayList<UserInfo>();
            Autohome1 autohome = new Autohome1();  
            String htmltext=autohome.printText(CrawlerUrl);
            Document doc = Jsoup.parse(htmltext);
            String authorId="autohome"+doc.select("li[class=current]").select("a").attr("href").replaceAll("\\D","");
            Elements dataElements=doc.select("div[class=uData]").select("p");
            String source="autohome";
            Date date=new Date();
            DateFormat format=new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
            String craw_time=format.format(date);
            String area="";
            String username="";
            String gender="";
            String birthday="";
            for (Element ele:dataElements) {
                if (ele.text().contains("所在地")) {
                    area=ele.text().replaceAll(Jsoup.parse(" ").text(), " ").split(":")[1];
                    //System.out.println("area:"+area);
                }
                if (ele.text().contains("性别")) {
                    gender=ele.text().replaceAll(Jsoup.parse(" ").text(), "").split(":")[1];
                    //System.out.println("gender:"+gender);
                }
                if (ele.text().contains("生日")) {
                    birthday=ele.text().replaceAll(Jsoup.parse(" ").text(), "").split(":")[1];
                    //System.out.println("birthday:"+birthday);
                }
                if (ele.text().contains("用户名")) {
                    username=ele.text().replaceAll(Jsoup.parse(" ").text(), "").split(":")[1];
                    //System.out.println("birthday:"+username);
                }
    
            }
            /* * 将数据封装在集合中，返回 */
            UserInfo Info = new UserInfo();
            Info.setAuthorId(authorId);
            Info.setAuthorname(username);
            Info.setAge(birthday);
            Info.setGender(gender);
            Info.setArea(area);
            Info.setSource(source);
            Info.setCraw_time(craw_time);
            UserInfomation.add(Info);
            return UserInfomation;
        }  
        public static void main(String[] args){
            Autohome1 AutoHome = new Autohome1(); 
            /*需要获取网页的地址*/
            String url="http://i.autohome.com.cn/7741675/info";
            /*获取数据，解析数据，返回解析之后的数据*/
            List<UserInfo> authorInfo=AutoHome.parser(url);
            /*打印数据在控制台，这里可以按照前面博客的方法，写入数据库*/
            for (UserInfo userinfo:authorInfo) {
                System.out.println("ID: "+userinfo.getAuthorId()+" Age: "+userinfo.getAge()+" +Area: "+userinfo.getArea());
            }
        }
    }

上述程序调用了一个MD5加密的程序，下面是MD5的程序。

package renren.renren;
    import java.security.MessageDigest;
    import java.security.NoSuchAlgorithmException;
    /* * 合肥工业大学 管理学院 qianyang 1563178220@qq.com */
    public class MD5 { 
         // 全局数组
        private final static String[] strDigits = { "0", "1", "2", "3", "4", "5",
                "6", "7", "8", "9", "a", "b", "c", "d", "e", "f" };
        public MD5() {
        }
        // 返回形式为数字跟字符串
        private static String byteToArrayString(byte bByte) {
            int iRet = bByte;
            // System.out.println("iRet="+iRet);
            if (iRet < 0) {
                iRet += 256;
            }
            int iD1 = iRet / 16;
            int iD2 = iRet % 16;
            return strDigits[iD1] + strDigits[iD2];
        }
    
        // 返回形式只为数字
        private static String byteToNum(byte bByte) {
            int iRet = bByte;
            System.out.println("iRet1=" + iRet);
            if (iRet < 0) {
                iRet += 256;
            }
            return String.valueOf(iRet);
        }
    
        // 转换字节数组为16进制字串
        private static String byteToString(byte[] bByte) {
            StringBuffer sBuffer = new StringBuffer();
            for (int i = 0; i < bByte.length; i++) {
                sBuffer.append(byteToArrayString(bByte[i]));
            }
            return sBuffer.toString();
        }
    
        public static String GetMD5Code(String strObj) {
            String resultString = null;
            try {
                resultString = new String(strObj);
                MessageDigest md = MessageDigest.getInstance("MD5");
                // md.digest() 该函数返回值为存放哈希值结果的byte数组
                resultString = byteToString(md.digest(strObj.getBytes()));
            } catch (NoSuchAlgorithmException ex) {
                ex.printStackTrace();
            }
            return resultString;
        }
    }

# 结果展示 #

![这里写图片描述][20160819133850218]

**本文作者：合肥工业大学 管理学院 钱洋**  
**有不明白，请发邮件1563178220@qq.com**

[http_blog.csdn.net_qy20115549_article_details_52249232]: http://blog.csdn.net/qy20115549/article/details/52249232
[http_i.autohome.com.cn_7741675_info]: http://i.autohome.com.cn/7741675/info
[20160819130744491]: /images/20220718/cdef865ab54a4d0aa66d3d71c990a403.png
[http_blog.csdn.net_qy20115549_article_details_52203722]: http://blog.csdn.net/qy20115549/article/details/52203722
[20160819130921677]: /images/20220718/ce7f6d59d8424f8f9035d233d8bddc67.png
[20160819133550925]: /images/20220718/79fb2a8ea61b48b6b0b73a7d7bab0fa6.png
[20160819133850218]: /images/20220718/17bf64bd65844b21be946c72ee23d15c.png