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: