Java-如何挖取某个网站中的ajax请求信息

通常情况,通过网络爬虫挖取到的基本为网页静态内容,而动态ajax取数的内容是我个人暂时不知如何一次性把网站中的ajax获取

 

这里介绍的是某个网站中的某一个ajax多某个table刷新,期数据,并提供其他操作,如下载:

假设我们需挖取某一个网站:

例:某个网站中的那些pdf文件,并下载下来

首先:需要分析期网页组成结果;查看是通过什么方式读取处理的。这里结束ajax的方案(其它异同,ajax只是对数据进行一个一次数据的请求)

具体操作已案例介绍为主:

首先分析需要使用到的是ajax使用的请求url和请求中所需要的参数的含义,然后给定响应的参数

    /**
     * 获取某个请求的内容
     * @param url  请求的地址
     * @param code 请求的编码,不传就代表UTF-8
     * @return 请求响应的内容
     * @throws IOException
     */
    public static String fetch_url(String url, String code) throws IOException {
        BufferedReader bis = null; 
        InputStream is = null; 
        InputStreamReader inputStreamReader = null;
        try { 
            URLConnection connection = new URL(url).openConnection(); 
            connection.setConnectTimeout(20000);
            connection.setReadTimeout(20000);
            connection.setUseCaches(false);
            connection.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11");
            is = connection.getInputStream(); 
            inputStreamReader = new InputStreamReader(is, code);
            bis = new BufferedReader(inputStreamReader); 
            String line = null; 
            StringBuffer result = new StringBuffer(); 
            while ((line = bis.readLine()) != null) { 
                result.append(line); 
            } 
            return result.toString(); 
        } finally { 
            if (inputStreamReader != null) {
                try { 
                    inputStreamReader.close();
                } catch (IOException e) { 
                    e.printStackTrace(); 
                } 
            }
            if (bis != null) { 
                try { 
                    bis.close(); 
                } catch (IOException e) { 
                    e.printStackTrace(); 
                } 
            } 
            if (is != null) { 
                try { 
                    is.close(); 
               } catch (IOException e) { 
                    e.printStackTrace(); 
                } 
            } 
        } 
    }

 

通过上面的url请求,观看响应的数据格式,这里响应的数据测试格式为json格式

    /**
     * 数据转化成json格式
     * @param s
     */
    public static void getJSON(String s) {
        JSONObject object = JSONObject.fromObject(s);
        JSONArray array = JSONArray.fromObject(object.get("disclosureInfos"));
        //System.out.println(array);
        String filePath = object.getString("filePath");//解析数据中的某一个值
        //System.out.println(array.size());
        List<String> listFilePath = getJSONArray(array,filePath);//将数据解析成条数
        /*System.out.println(listFilePath);
        System.out.println(listFilePath.size());*/
        writer(listFilePath);//根据数据的内容开始挖取下载
    }

 

 

 

 

很多个数据需要下载,一条一条的下载

    public static void writer(List<String> listFilePath) {
        for (String string : listFilePath) {
            downloadFile(string);
        }
    }

 

解析json数据从格式数据

    /**
     * 解析文件url
     * @param array
     * @return
     */
    public static List<String> getJSONArray(JSONArray array,String filePath) {
        List<String> listFilePath = new ArrayList<String>();
        for (Object object : array) {
            JSONObject ob = JSONObject.fromObject(object);
            filePath = filePath + ob.get("filePath").toString();
            // System.out.println(filePath);
            listFilePath.add(filePath);
        }
        return listFilePath;
    }

 

 

 

文件下载处理

    /* 下载 url 指向的网页 */
    public static String downloadFile(String url) {
        String filePath = null;
        /* 1.生成 HttpClinet 对象并设置参数 */
        HttpClient httpClient = new HttpClient();
        // 设置 Http 连接超时 5s
        httpClient.getHttpConnectionManager().getParams().setConnectionTimeout(5000);
        /* 2.生成 GetMethod 对象并设置参数 */
        GetMethod getMethod = new GetMethod(url);
        // 设置 get 请求超时 5s
        getMethod.getParams().setParameter(HttpMethodParams.SO_TIMEOUT, 5000);
        // 设置请求重试处理
        getMethod.getParams().setParameter(HttpMethodParams.RETRY_HANDLER, new DefaultHttpMethodRetryHandler());
        /* 3.执行 HTTP GET 请求 */
        try {
            int statusCode = httpClient.executeMethod(getMethod);
            // 判断访问的状态码
            if (statusCode != HttpStatus.SC_OK) {
                System.err.println("Method failed: " + getMethod.getStatusLine());
                filePath = null;
            }
            /* 4.处理 HTTP 响应内容 */
            byte[] responseBody = getMethod.getResponseBody();// 读取为字节数组
            // 根据网页 url 生成保存时的文件名
            filePath = "e:\\spider\\";
            String fileName =  getFileNameByUrl(url, getMethod.getResponseHeader("Content-Type").getValue());
            saveToLocal(responseBody, filePath,fileName);
        } catch (HttpException e) {
            // 发生致命的异常,可能是协议不对或者返回的内容有问题
            System.out.println("Please check your provided http address!");
            e.printStackTrace();
        } catch (IOException e) {
            // 发生网络异常
            e.printStackTrace();
        } finally {
            // 释放连接
            getMethod.releaseConnection();
        }
        return filePath;
    }

 

 

确认文件名称和文件格式

    /**
     * 根据 url 和网页类型生成需要保存的网页的文件名 去除掉 url 中非文件名字符
     */
    public static String getFileNameByUrl(String url, String contentType) {
        // remove http://
        url = url.substring(7);
        // text/html类型
        if (contentType.indexOf("html") != -1) {
            url = url.replaceAll("[\\?/:*|<>\"]", "_") + ".html";
            return url;
        }
        // 如application/pdf类型
        else {
            return url.replaceAll("[\\?/:*|<>\"]", "_") + "." + contentType.substring(contentType.lastIndexOf("/") + 1);
        }
    }

 

 

保存文件地址写入

    /**
     * 保存网页字节数组到本地文件 filePath 为要保存的文件的相对地址
     */
    private static void saveToLocal(byte[] data, String fileDir,String fileName) {
        try {
            File fileNew=new File(fileDir+"\\"+fileName);//new 一个文件 构造参数是字符串
            File rootFile=fileNew.getParentFile();//得到父文件夹
            
            if( !fileNew.exists()) {
                rootFile.mkdirs();
                fileNew.createNewFile();
            }
            DataOutputStream out = new DataOutputStream(new FileOutputStream(fileNew));
            for (int i = 0; i < data.length; i++)
                out.write(data[i]);
            out.flush();
            out.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

 

 

测试,这里写了个测试网址,网站地址和网址参数可能会改变,需适当调整

    
    public static void main(String[] args)  throws Exception{
        String s = fetch_url("http://www.neeq.cc/controller/GetDisclosureannouncementPage?type=7&key=&startDate=2015-05-20&endDate=2015-05-21&queryParams=0&page=1&_=1432187131769", "utf-8");
        //System.out.println(s);
        getJSON(s);
    }
    

 

完(欢迎转载)

 

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。