首页 | 新闻 | 新品 | 文库 | 方案 | 视频 | 下载 | 商城 | 开发板 | 数据中心 | 座谈新版 | 培训 | 工具 | 博客 | 论坛 | 百科 | GEC | 活动 | 主题月 | 电子展
返回列表 回复 发帖

httpclient常用基本抓取类(2)

httpclient常用基本抓取类(2)

private String getByCompanyProxy(String url, String encode) {
        int count = 10;
        String result = "";
        String urlString = url;
        String proxy = "";
        HttpHost proxyHost = null;
        boolean newProxy = false;
        int oldProxyUsecount = 0;
        for (int i = 0; i <= count; i++) {
            if (!ip.equals("")) {
                proxyHost = new HttpHost(ip, port, null);
            }

            try {
                if (newProxy || oldProxyUsecount > 2 || ip.equals("")) {
                    oldProxyUsecount = 0;
                    String[] proxys = null;
                    try {
                        while (proxy.equals("") || !proxy.contains(":")) {
                            System.out.println("ip为空,正在提取");
                            proxy = doGet(ipUrl, "gbk");
                        }
                        proxys = proxy.replaceAll("\"|//|/|\r\n| ", "").split(
                                ":");
                    } catch (Exception e) {
                        while (proxy.equals("") || !proxy.contains(":")) {
                            System.out.println("ip为空,正在提取");
                            proxy = doGet(ipUrl, "gbk");
                        }
                        proxys = proxy.replaceAll("\"|//|/|\r\n| ", "").split(
                                ":");
                        // proxy = doGet(
                        // ,
                        // "gbk");
                        // proxys = proxy.split(":");
                    }
                    ip = proxys[0];
                    port = Integer.parseInt(proxys[1]);
                    proxyHost = new HttpHost(ip, port, null);
                }
                System.out.println("正在使用代理" + ip + ":" + port + ":" + port);
                HttpGet httpRequst = new HttpGet(urlString);
                httpRequst.addHeader("Accept-Encoding", "gzip,deflate,sdch");
                httpRequst.getParams().setParameter(
                        CoreProtocolPNames.HTTP_CONTENT_CHARSET, encode);
                DefaultHttpClient httpClient = new DefaultHttpClient();
                httpClient.getParams().setParameter(
                        CoreConnectionPNames.CONNECTION_TIMEOUT, 9000);// 连接时间20s
                httpClient.getParams().setParameter(
                        CoreConnectionPNames.SO_TIMEOUT, 9000);// 数据传输时间60s
                httpClient.getParams().setParameter(
                        ConnRouteParams.DEFAULT_PROXY, proxyHost);
                HttpResponse httpResponse = httpClient.execute(httpRequst);// 其中HttpGet是HttpUriRequst的子类
                if (httpResponse.getStatusLine().getStatusCode() == 200) {
                    HttpEntity httpEntity = httpResponse.getEntity();
                    if (httpEntity.getContentEncoding() != null) {
                        if ("gzip".equalsIgnoreCase(httpEntity
                                .getContentEncoding().getValue())) {
                            httpEntity = new GzipDecompressingEntity(httpEntity);
                        } else if ("deflate".equalsIgnoreCase(httpEntity
                                .getContentEncoding().getValue())) {
                            httpEntity = new DeflateDecompressingEntity(
                                    httpEntity);
                        }
                    }
                    result = enCodetoString(httpEntity, encode);// 取出应答字符串
                    if (resultTest(result)) {
                        System.out.println(ip + "公司代理成功抓取" + url);
                        return result;
                    } else if (result.contains("function JumpSelf")
                            && result.contains("WebShieldSessionVerify")) {
                        int indexs = result.indexOf("&WebShieldSessionVerify");
                        int indexe = result.indexOf("\";}</script>");
                        String verify = result.substring(indexs, indexe);
                        urlString = urlString + verify;
                        newProxy = false;
                    } else if (result.contains("function JumpSelf")
                            && !result.contains("WebShieldSessionVerify")) {
                        urlString = url;
                        newProxy = false;
                    } else {
                        System.out.println("网页含有错误特殊字符" + urlString);
                        oldProxyUsecount++;
                        System.out.println(result);
                    }
                } else
                    System.out.println(httpResponse.getStatusLine()
                            .getStatusCode() + " " + urlString + " 状态不为200");
                oldProxyUsecount++;
                httpRequst.abort();
            } catch (ClientProtocolException e) {
                newProxy = true;
                System.out.println(ip + "代理ip拒绝了");
            } catch (IOException e) {
                oldProxyUsecount++;
                System.out.println(ip + "代理读取超时");
            }
        }
        return "";
    }
返回列表