这几天开始做一些爬虫方面的东西,但是在解析页面是碰到了分页数据的爬取问题,如果分页是get方式的url还好,但是如果是Post方式的ajax提交那就感觉比较纠结
思路:
因为是post所以首先想到使用Post的参数方式来做:
public String doHttpSend(String keyWord,String searchType,int pageNum) throws Exception { PostMethod method = null; try { HttpClient client = getHttpClient(); method = new PostMethod(SEARCH_URL); method.addRequestHeader("connection","keep-alive"); NameValuePair[] params = new NameValuePair[]{ new NameValuePair("keyWord",keyWord), new NameValuePair("page",String.valueOf(pageNum)) }; method.addParameters(params); int statusCode = client.executeMethod(method); if(statusCode != HttpStatus.SC_OK) { return null; } System.out.println(method.getResponseBodyAsString()); return method.getResponseBodyAsString(); } finally { if(null != method) { method.releaseConnection(); } } }
但是发现该方法实现发送后,获得的结果总是"System.NotSupportedException";
刚开始以为是Header设置不对,用工具对比后发现header信息基本一直,但是参数格式却是不一样的,比如当前方式的参数格式最终为"param1=value1¶m2=value2",而页面上ajax提交的参数确实json格式的字符串;
于是,就修改参数的构造方式:
首先构造json格式的字符串 如:String param ="{\"keyWord\":"+keyWord+",\"page\":"+pageNum+"}",而不能使用NameValuePair来传递参数
再设置参数到method : method.setRequestBody(param);
这样就可以成功得到ajax返回的数据了,该方法同样适用于asp的异步方法,已经过验证;但是如果使用NameValuePair如何才能解决ajax问题呢,还有待研究!
1 楼
solo-
2012-07-04
试了一下构造json请求也不行,不知道怎么回事
2 楼
冰糖葫芦
2012-07-11
solo- 写道
试了一下构造json请求也不行,不知道怎么回事
嗯,首先确保参数格式对不对,包括\"都不能少,如果参数没错误的话,就用抓包工具分析对比下httpclient的请求和浏览器本身请求的header有什么不同,比如有没有使用gzip等都可能影响到是否成功,呵呵