最新文章專題視頻專題問答1問答10問答100問答1000問答2000關(guān)鍵字專題1關(guān)鍵字專題50關(guān)鍵字專題500關(guān)鍵字專題1500TAG最新視頻文章推薦1 推薦3 推薦5 推薦7 推薦9 推薦11 推薦13 推薦15 推薦17 推薦19 推薦21 推薦23 推薦25 推薦27 推薦29 推薦31 推薦33 推薦35 推薦37視頻文章20視頻文章30視頻文章40視頻文章50視頻文章60 視頻文章70視頻文章80視頻文章90視頻文章100視頻文章120視頻文章140 視頻2關(guān)鍵字專題關(guān)鍵字專題tag2tag3文章專題文章專題2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章專題3
問答文章1 問答文章501 問答文章1001 問答文章1501 問答文章2001 問答文章2501 問答文章3001 問答文章3501 問答文章4001 問答文章4501 問答文章5001 問答文章5501 問答文章6001 問答文章6501 問答文章7001 問答文章7501 問答文章8001 問答文章8501 問答文章9001 問答文章9501
當(dāng)前位置: 首頁 - 科技 - 知識百科 - 正文

模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法

來源:懂視網(wǎng) 責(zé)編:小采 時間:2020-11-27 22:35:55
文檔

模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法

模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法:前言 網(wǎng)頁可分為信息提供和業(yè)務(wù)操作類,信息提供如新聞、股票行情之類的網(wǎng)站。業(yè)務(wù)操作如網(wǎng)上營業(yè)廳、OA之類的。當(dāng)然,也有很多網(wǎng)站同時具有這兩種性質(zhì),像微博、豆瓣、淘寶這類網(wǎng)站,既提供信息,也實現(xiàn)某些業(yè)務(wù)。 普通上網(wǎng)方式一般都是手動操作(這個不需要
推薦度:
導(dǎo)讀模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法:前言 網(wǎng)頁可分為信息提供和業(yè)務(wù)操作類,信息提供如新聞、股票行情之類的網(wǎng)站。業(yè)務(wù)操作如網(wǎng)上營業(yè)廳、OA之類的。當(dāng)然,也有很多網(wǎng)站同時具有這兩種性質(zhì),像微博、豆瓣、淘寶這類網(wǎng)站,既提供信息,也實現(xiàn)某些業(yè)務(wù)。 普通上網(wǎng)方式一般都是手動操作(這個不需要

前言

網(wǎng)頁可分為信息提供和業(yè)務(wù)操作類,信息提供如新聞、股票行情之類的網(wǎng)站。業(yè)務(wù)操作如網(wǎng)上營業(yè)廳、OA之類的。當(dāng)然,也有很多網(wǎng)站同時具有這兩種性質(zhì),像微博、豆瓣、淘寶這類網(wǎng)站,既提供信息,也實現(xiàn)某些業(yè)務(wù)。

普通上網(wǎng)方式一般都是手動操作(這個不需要解釋:D)。但有時候人工手動操作的方式可能就無法勝任了,如爬取網(wǎng)絡(luò)上大量數(shù)據(jù),實時監(jiān)測某個頁面的變化,批量操作業(yè)務(wù)(如批量發(fā)微博,批量淘寶購物)、刷單等。由于操作量大,而且都是重復(fù)的操作,人工操作效率低下,且易出錯。這時候就可以使用軟件來自動操作了。

本人開發(fā)過多個這類軟件,有網(wǎng)絡(luò)爬蟲、自動批量操作業(yè)務(wù)這類的。其中使用到的一個核心功能就是模擬HTTP請求。當(dāng)然,有時會使用HTTPS協(xié)議,而且網(wǎng)站一般需要登陸后才能進(jìn)一步操作,還有最重要的一點就是弄清楚網(wǎng)站的業(yè)務(wù)流程,即知道為了實現(xiàn)某個操作該在什么時候向哪個頁面以什么方式提交什么數(shù)據(jù),最后,要提取數(shù)據(jù)或知道操作結(jié)果,就還需要解析HTML。本文將一一闡述。

本文使用C#語言來展示代碼,當(dāng)然也可以用其它語言實現(xiàn),原理是一樣的。以登陸京東為實例。

模擬HTTP請求

C#模擬HTTP請求需要使用到如下類:

•WebRequest

•HttpWebRequest

•HttpWebResponse

•Stream

先創(chuàng)建一個請求對象(HttpWebRequest),設(shè)置相關(guān)的Headers信息后發(fā)送請求(如果是POST,還要把表單數(shù)據(jù)寫入網(wǎng)絡(luò)流),如果目標(biāo)地址可訪問,會得到一個響應(yīng)對象(HttpWebResponse),從相應(yīng)對象的網(wǎng)絡(luò)流中就可讀出返回結(jié)果。

示例代碼如下:

String contentType = "application/x-www-form-urlencoded";
String accept = "image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/x-silverlight, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-ms-application, application/x-ms-xbap, application/vnd.ms-xpsdocument, application/xaml+xml, application/x-silverlight-2-b1, */*";
String userAgent = "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/34.0.1847.116 Safari/537.36";

public String Get(String url, String encode = DEFAULT_ENCODE)
{
 HttpWebRequest request = WebRequest.Create(url) as HttpWebRequest;
 InitHttpWebRequestHeaders(request);
 request.Method = "GET";
 var html = ReadHtml(request, encode);
 return html;
}

public String Post(String url, String param, String encode = DEFAULT_ENCODE)
{
 Encoding encoding = System.Text.Encoding.UTF8;
 byte[] data = encoding.GetBytes(param);
 HttpWebRequest request = WebRequest.Create(url) as HttpWebRequest;
 InitHttpWebRequestHeaders(request);
 request.Method = "POST";
 request.ContentLength = data.Length;
 var outstream = request.GetRequestStream();
 outstream.Write(data, 0, data.Length);
 var html = ReadHtml(request, encode);
 return html;
}

private void InitHttpWebRequestHeaders(HttpWebRequest request)
{
 request.ContentType = contentType;
 request.Accept = accept;
 request.UserAgent = userAgent;
}

private String ReadHtml(HttpWebRequest request, String encode)
{
 HttpWebResponse response = request.GetResponse() as HttpWebResponse;
 Stream stream = response.GetResponseStream();
 StreamReader reader = new StreamReader(stream, Encoding.GetEncoding(encode));
 String content = reader.ReadToEnd();
 reader.Close();
 stream.Close();
 return content;
}

可以看出,Get和Post方法的代碼大部分都相似,所以代碼進(jìn)行了封裝,提取了相同代碼作為新的函數(shù)。

HTTPS請求

當(dāng)網(wǎng)站使用https協(xié)議時,以上代碼就可能會出現(xiàn)以下錯誤:

The underlying connection was closed: Could not establish trust relationship for 

原因是證書錯誤,用瀏覽器打開會出現(xiàn)如下頁面:

當(dāng)點擊繼續(xù)前往xxx.xx(不安全)時,就可繼續(xù)打開網(wǎng)頁。在程序中,也只要模擬這一步就可以繼續(xù)了。C#中只需設(shè)置ServicePointManager.ServerCertificateValidationCallback代理,在代理方法中直接返回true就行了。

private HttpWebRequest CreateHttpWebRequest(String url)
{
 HttpWebRequest request;
 if (IsHttpsProtocol(url))
 {
 ServicePointManager.ServerCertificateValidationCallback = new RemoteCertificateValidationCallback(CheckValidationResult);
 request = WebRequest.Create(url) as HttpWebRequest;
 request.ProtocolVersion = HttpVersion.Version10;
 }
 else
 {
 request = WebRequest.Create(url) as HttpWebRequest;
 }

 return request;
}

private HttpWebRequest CreateHttpWebRequest(String url)
{
 HttpWebRequest request;
 if (IsHttpsProtocol(url))
 {
 ServicePointManager.ServerCertificateValidationCallback = new RemoteCertificateValidationCallback(CheckValidationResult);
 request = WebRequest.Create(url) as HttpWebRequest;
 request.ProtocolVersion = HttpVersion.Version10;
 }
 else
 {
 request = WebRequest.Create(url) as HttpWebRequest;
 }

 return request;
}


這樣,就可正常訪問https網(wǎng)站了。

記錄Cookies實現(xiàn)身份認(rèn)證

有些網(wǎng)站需要登錄才能執(zhí)行下一步操作,比如在京東購物需要先登錄。網(wǎng)站服務(wù)器使用session來記錄客戶端用戶,每一個session對應(yīng)一個用戶,而前面的代碼每次創(chuàng)建一個請求都會重新建立一個session。即使登錄成功,在執(zhí)行下一步操作由于新創(chuàng)建了一個連接,登錄也是無效的。這時就得想辦法讓服務(wù)器認(rèn)為這一系列的請求來自同一個session。

客戶端只有Cookies,為了在下次請求的時候讓服務(wù)器知道該客戶端對應(yīng)哪個session,Cookies中會有一個記錄session ID的記錄。所以,只要Cookies相同,對服務(wù)器來說就是同一個用戶。

這時需要使用到CookieContainer,顧名思義,這就是一個Cookies容器。HttpWebRequest有一個CookieContainer屬性。只要把每次請求的Cookies都記錄在CookieContainer,下次請求時設(shè)置HttpWebRequest的CookieContainer屬性,由于Cookies相同,對于服務(wù)器來說就是同一個用戶了。

public String Get(String url, String encode = DEFAULT_ENCODE)
{
 HttpWebRequest request = WebRequest.Create(url) as HttpWebRequest;
 InitHttpWebRequestHeaders(request);
 request.Method = "GET";

 request.CookieContainer = cookieContainer;
 HttpWebResponse response = request.GetResponse() as HttpWebResponse;
 foreach (Cookie c in response.Cookies)
 {
 cookieContainer.Add(c);
 }
}

分析調(diào)試網(wǎng)站

以上就實現(xiàn)了模擬HTTP請求,當(dāng)然,最重要的還是分析站。一般的情況都是沒有文檔、找不到網(wǎng)站開發(fā)人員,從一個黑盒子開始探索。分析工具有很多,推薦使用Chrome+插件Advanced Rest Client,Chrome的開發(fā)者工具能讓我們知道打開一個網(wǎng)頁時后臺做了哪些操作與請求,Advanced Rest Client可模擬發(fā)送請求。

比如在登錄京東時,會提交如下數(shù)據(jù):

我們還能看到京東的密碼居然是明文傳輸,安全性很讓人擔(dān)心?。?/p>

還能看到返回的數(shù)據(jù):

返回的是JSON數(shù)據(jù),不過\u8d26這些是什么?其實這是Unicode編碼,使用Unicode編碼轉(zhuǎn)換工具,即可轉(zhuǎn)換成可讀的文字,比如這次返回的結(jié)果是:賬戶名與密碼不匹配,請重新輸入。

解析HTML

HTTP請求獲得的數(shù)據(jù)一般是HTML格式,有時也可能是Json或XML。需要解析才能提取有用數(shù)據(jù)。解析HTML的組件有:

•HTML Parser。多個平臺可用,如Java/C#/Python。很久沒用了。

•HtmlAgilityPack。通過通過XPath來解析HMTL。一直使用。 關(guān)于XPath教程,可以看W3School的XPath教程。

結(jié)語

本文介紹了開發(fā)模擬自動網(wǎng)頁操作所需要的技能,從模擬HTTP/HTTPS請求,到Cookies、分析網(wǎng)站、解析HTML。代碼旨在說明使用方法,并非完整代碼,可能無法直接運(yùn)行。

以上這篇模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

聲明:本網(wǎng)頁內(nèi)容旨在傳播知識,若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

文檔

模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法

模擬HTTP請求實現(xiàn)網(wǎng)頁自動操作及數(shù)據(jù)采集的方法:前言 網(wǎng)頁可分為信息提供和業(yè)務(wù)操作類,信息提供如新聞、股票行情之類的網(wǎng)站。業(yè)務(wù)操作如網(wǎng)上營業(yè)廳、OA之類的。當(dāng)然,也有很多網(wǎng)站同時具有這兩種性質(zhì),像微博、豆瓣、淘寶這類網(wǎng)站,既提供信息,也實現(xiàn)某些業(yè)務(wù)。 普通上網(wǎng)方式一般都是手動操作(這個不需要
推薦度:
標(biāo)簽: 操作 網(wǎng)站 自動
  • 熱門焦點

最新推薦

猜你喜歡

熱門推薦

專題
Top