使用网页抓取技术获取自己World Community Grid任务信息的经历
来源:互联网 发布:开淘宝店需要身份证 编辑:程序博客网 时间:2024/06/05 09:03
在获取World Community Grid任务页面的时候经历了很多的周折。开始的时候,认为这个页面和其他的页面相似,直接Post登陆信息即可获取到登陆Cookie,但是此方法失败,远端会返回登陆错误的页面。然后就搁置了好长时间,直到发现IE9开发者工具提供了比较友好的网页抓包数据,不过和WireShark获得的数据差不多,只是过滤了和HTTP协议无关的数据,更容易查看。
在捕获登陆操作以后,可以发现浏览器向服务器发送了怎样的请求,同时也可以知道服务器给予了怎样的响应。
上图为跟踪到的登录时的POST请求,可以看到请求的真实地址为/j_security_check,从页面的js代码中也可以看到这一点。然后根据请求的内容将对应的键值对写入request.Header中即可。让我走最多弯路的就是Cookie的处理了,开始我将Cookie的内容赋值给request.Header["Cookie"],结果始终无法登陆成功,经过一系列的尝试,最后想起来request是使用CookieContainer来存储发送的Cookie的,直接将捕获到的“__utma”等键值对写到CookieContainer对象中,再将此对象赋值给request.CookieContainer,就可以成功登陆并且获取JSESSIONID和访问认证信息等Cookie了,然后就可以访问对应的页面获取想要的内容了。
基本代码如下:
- 使用网页抓取技术获取自己World Community Grid任务信息的经历
- world community grid
- 网页信息抓取利器HTMLParser的使用
- 使用python抓取网页上的信息
- 使用Python抓取网页信息
- 使用Python抓取网页信息
- 关于网页抓取信息 Jsoup 和 HttpUnit 的使用
- 使用Python+selenium+BeautifulSoup抓取动态网页的关键信息
- springboot使用webmagic框架来抓取自己的博客信息
- C#: 抓取网页类(获取网页中所有信息)
- C# 抓取网页类(获取网页中所有信息)
- 用jdic轻松编写自己的浏览器,抓取iframe网页信息
- 记我的第一次批量抓取网页图片的经历
- 抓取Foursquare网页信息的爬虫
- 网页信息抓取进阶 Jsoup的不足之处
- 网页信息抓取进阶 Jsoup的不足之处
- 抓取网页上的邮箱信息
- 网页信息抓取
- 页面刷新时让滚动条不变
- Java设计模式之策略模式
- 开机玩游戏后图标显示不正常的解决办法
- UPNP设备结构-Chinese
- 关于NextGrid控件和cxTreeList控件中的子节点问题(未完待续)
- 使用网页抓取技术获取自己World Community Grid任务信息的经历
- @echo off用法
- Android入门教程(五)之------第一个Android工程HelloAndroid
- 第一次来这里!
- 创新驱动未来,浪潮持续深耕信息安全市场
- MySQL.com被SQL注入攻击,用户密码数据被公布
- 轉:SAP ABAP 物料主数据增加字段
- 基于Jdk1.5可中止制定线程的线程池简单扩展
- java调用dos命令