Android:HttpWatch+jsoup抓包
来源:互联网 发布:淘宝店铺层级在哪里看 编辑:程序博客网 时间:2024/05/01 17:50
最近对抓包挺感兴趣的,所以就花了一点时间去研究。最后总结一下这套方法吧。
HttpWatch
这个软件相当于IE的一个插件(FireFox也支持)。HttpWatch是强大的网页数据分析工具,集成在Internet Explorer工具栏,包括网页摘要、Cookies管理、缓存管理、消息头发送/接受、字符查询、POST 数据和目录管理功能、报告输出等功能。总之HttpWatch 是一款能够收集并显示深层信息的软件。
关于HttpWatch的使用可以参考:HttpWatch工具简介及使用技巧
jsoup
jsoup 是一款Java 的HTML解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API,可通过DOM,CSS以及类似于jQuery的操作方法来取出和操作数据。
总而言之,在这里Jsoup就是用来解析服务器返回的HTML代码。
Download the jsoup
Selector of jsoup
实战一次
抓取目标:校内新闻网站
1.安装HttpWatch、打开IE右击网页或者选择工具栏,打开HttpWatch
2.找到我们想要抓取数据的目标网站、HttpWatch点击Record、进入目标网站、HttpWatch点击Stop。这样我们就抓了第一个数据了。
3.分析数据:从上图可以知道,这是个HttpGet请求,于是我们就写一个HttpGet方法,在OverView一栏可以看到请求的URL是:
http://notes.stu.edu.cn/login/Login.jsp?logintype=1(只是演示作用,校外网是点不进的)
public static void sendHttpGetRequest(final String url, final HttpCallBack callBack) { new Thread(new Runnable() { @Override public void run() { // TODO Auto-generated method stub HttpClient client = new DefaultHttpClient(); HttpGet httpGet = new HttpGet(url); // httpGet.setHeader("Cookie", cookie_grade); HttpResponse response = null; try { response = client.execute(httpGet); HttpEntity entity = response.getEntity(); String string = EntityUtils.toString(entity, "utf-8"); if (callBack != null) callBack.onFinish(string); } catch (ClientProtocolException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } }).start(); }
- 4.没什么意外的话,我们的回调方法会得到一段服务器返回的html代码。接下来我们就用jsoup去解析这段html代码,我们可以在HttpWatch里面的Content看一下返回的html。
我们想要的信息是这样一段html代码段
<TR class=datalight> <TD width="50%"><a target ='_blank' href="/page/maint/template/news/newstemplateprotal.jsp?templatetype=1&templateid=3&docid=2382"><img class="vt" src="/csweb/images/38.jpg"> 36小时内满足你五个欲望― <创意黑客松活动 数据人生篇> 20150327-29</a></TD> <TD width="25%" align="center">网络与信息中心</TD> <TD width="25%" align="center">2015-04-10</TD> </TR> <TR class=datalight> <TD width="50%"><a target ='_blank' href="/page/maint/template/news/newstemplateprotal.jsp?templatetype=1&templateid=3&docid=2381"><img class="vt" src="/csweb/images/38.jpg"> 关于举办学生社区X计划之汕头传统手工艺探寻活动的通知</a></TD> <TD width="25%" align="center">学生处</TD> <TD width="25%" align="center">2015-04-10</TD> </TR>
所以就根据Selector of jsoup写一个解析的方法
private Map<String, String> parseNoteHtml(String html) { Map<String, String> map = new LinkedHashMap<String, String>(); Document doc = Jsoup.parse(html); Elements elements = doc.select("table[class=ListStyle]"); Elements elements2 = elements.select("TR[class=datalight]"); for (Element element : elements2) { Elements element_href = element.select("a"); for (Element element_ : element_href) { map.put(element.text(), element_.attr("href")); } } return map; }
可以看到我们还把每条信息携带的文件名链接也解析出来 for (Element element_ : element_href) {
map.put(element.text(), element_.attr("href"));
}
- 5.我们点击校内新闻网的具体新闻,
对应上图和上上图可以发现具体新闻的URL就是一个主机名+我们解析出来的文件名链接。我们再对这个URL进行抓包操作即可得到新闻内容啦。
结果
新闻条目
具体新闻
- Android:HttpWatch+jsoup抓包
- 使用httpwatch抓包
- ie httpwatch抓包
- Httpwatch抓包分析
- Android之Jsoup解析Html抓包其他网站数据
- Httpwatch抓包显示ERROR_INTERNET_CONNECTION_RESET问题
- 抓包 httpwatch 请求服务器和响应
- httpwatch抓包result老是显示*的问题
- 网页数据采集:[2]httpwatch抓包教程详解
- Android网络抓包
- Android抓包程序
- android 抓包
- Android手机抓包
- android抓包命令
- android抓包
- android adb 抓包
- android抓包
- android应用程序抓包
- web前端页面性能优化小结
- Aspose Words 把内容读到stream中时容易出现的问题,以及memorystream to string
- OC基础使用(二)
- 进化大神宝典1.0
- 双向循环链表的创建,增删查改
- Android:HttpWatch+jsoup抓包
- c#代码统计程序
- 关于plsql可以登录,sqlplus不能登录解决办法
- CVSVM 还没看太懂
- 学习实战完全笔记--JavaSE----流与文件(Streams and Files)
- 常用常忘的delegate,记一下。
- E+H恩德斯豪斯
- 状态机
- python 引用和复制