Java scrape网站,需要使用Jsoup登录
我想从streetinsider.com打印一些数据(div with class=“news_article”)。我创建了一个帐户,需要登录才能访问这些数据 有人能解释一下为什么这个代码不起作用吗?我试了很多,但都没用Java scrape网站,需要使用Jsoup登录,java,authentication,jsoup,scrape,Java,Authentication,Jsoup,Scrape,我想从streetinsider.com打印一些数据(div with class=“news_article”)。我创建了一个帐户,需要登录才能访问这些数据 有人能解释一下为什么这个代码不起作用吗?我试了很多,但都没用 public static final String SPLIT_INTERNET_URL = "http://www.streetinsider.com/Special+Dividends?offset=55"; public static final String
public static final String SPLIT_INTERNET_URL = "http://www.streetinsider.com/Special+Dividends?offset=55";
public static final String SPLIT_LOGIN = "https://www.streetinsider.com/login.php";
/**
* @param args the command line arguments
* @throws java.io.FileNotFoundException
* @throws java.io.UnsupportedEncodingException
* @throws java.text.ParseException
* @throws java.lang.ClassNotFoundException
*/
public static void main(String[] args) throws FileNotFoundException, UnsupportedEncodingException, IOException, ParseException, ClassNotFoundException {
// TODO code application logic here
Response res = Jsoup.connect(SPLIT_LOGIN)
.data("loginemail", "XXXXX", "password", "XXXX")
.method(Method.POST)
.execute();
Document doc = res.parse();
Map<String, String> cookies = res.cookies();
Document pageWhenAlreadyLoggedIn = Jsoup.connect(SPLIT_INTERNET_URL).cookies(cookies).get();
Elements elems = pageWhenAlreadyLoggedIn.select("div[class=news_article]");
for (Element elem : elems) {
System.out.println(elem);
}
}
公共静态最终字符串拆分\u INTERNET\u URL=”http://www.streetinsider.com/Special+股息?抵销=55”;
公共静态最终字符串拆分\u登录=”https://www.streetinsider.com/login.php";
/**
*@param指定命令行参数
*@throws java.io.FileNotFoundException
*@throws java.io.UnsupportedEncodingException
*@throws java.text.ParseException
*@throws java.lang.ClassNotFoundException
*/
publicstaticvoidmain(字符串[]args)抛出FileNotFoundException、UnsupportedEncodingException、IOException、ParseException、ClassNotFoundException{
//此处的TODO代码应用程序逻辑
Response res=Jsoup.connect(SPLIT\u登录)
.数据(“loginemail”、“XXXXX”、“密码”、“XXXX”)
.method(method.POST)
.execute();
Document doc=res.parse();
映射cookies=res.cookies();
Document pageWhenAlreadyLoggedIn=Jsoup.connect(拆分互联网URL).cookies(cookies.get();
Elements elems=pageWhenAlreadyLoggedIn.select(“div[class=news\u article]”);
用于(元素元素:元素){
系统输出打印项次(elem);
}
}
您的代码无法让您登录网站……请尝试以下代码登录网站
要登录网站:
Connection.Response res = Jsoup.connect(SPLIT_LOGIN)
.data("action", "account",
"redirect", "account_home.php?",
"radiobutton", "old",
"loginemail", "XXXXX",
"password", "XXXXX",
"LoginChoice", "Sign In to Secure Area")
.method(Connection.Method.POST)
.followRedirects(true)
.userAgent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36")
.execute();
因此,您现在已登录,但网站似乎会检测到您是否已登录其他浏览器或连接,并请求您先终止该连接。下面是终止连接的代码:
Connection.Response res2 = Jsoup.connect("http://www.streetinsider.com/login_duplicate.php")
.data("ok", "End Prior Session")
.method(Connection.Method.POST)
.cookies(res.cookies())
.followRedirects(true)
.userAgent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36")
.execute();
很好,现在res2
将包含您帐户的主页,然后您可以继续转到您想要的任何页面。有关如何使用Jsoup
登录网站的更多信息,请参阅以下教程:
可以肯定,这是假定的HTTP基本身份验证,而这不是网站所需要的。你必须得到一个会话令牌并欺骗会话。天哪,非常感谢@Joel-Min,它正在工作,我明白为什么!这正是我想要的,你救了我一天!不用担心,兄弟,很高兴它起到了作用:)迫不及待地想帮助像你这样的人。祝您愉快,先生:)