使用HttpClient登录知乎获取返回页面信息

引言

HttpClient是java语言下一个支持http协议的客户端编程工具包，它实现了HTTP协议的所有方法，但是不支持JS渲染。我们在做一些小玩意时，有可能需要登录某些网站获取信息，那么HttpClient就是你的好帮手，废话不多说，进入实战。

一登录的实际意义

在HTTP横行的今天，我们每天都要登录一些网站，那么登录的意义是什么呢？首先要对cookie要有一定了解。cookie是存放在本地的一些小文件，它由服务器发送命令，浏览器在本地读写。当访问某些网站的时候，浏览器会检查是否有所浏览网站的cookie信息，如果有则在发送访问请求的时候携带上这些内容，服务器可以读取到浏览器发送请求中的cookie信息，在回应请求时可以再写cookie信息。cookie信息包括键值，内容，过期时间，所属网站。

说到这里cookie差不多讲完了，那么登录到底是怎么回事？登录就是服务器向你的浏览器写cookie，如果仅仅是在你的计算机上写cookie，那么别有用心的人伪造一个cookie也有机会登录网站，所以服务器会在内存中保留一份相同的信息，这个过程叫做会话。如果你在网站点击退出按钮，服务器会把内存中的cookie清除掉，同时清除浏览器中有关登录的cookie。知道了这些，我们就可以上手了。

二找到登录关键cookie

这里我们可以用wireshark来抓包分析一下。打开知乎首页，打开wireshark，开始监听端口，输入用户名和密码，点击登录，查看wireshark抓到的包。截图如下：

第一张图是本地post提交数据。

第二张图是提交的信息，包括_xsrf，password，remember_me，email，注意，提交的信息中包括cookie，_xsrf可以从知乎首页中获取。

第三张图是服务器返回的信息，注意它的状态是200，说明是成功的。

第四章图是服务器返回的数据，注意它有三条cookie设置，以及带有一个登录成功与否的信息。

通过上边的步骤我们能知道什么呢？首先，发送登录请求的时候带有的cookie，以及post数据的格式，其次我们能拿到登录用cookie信息（第四张图）。

三使用HttpClient构造登录信息

HttpClient是怎样模拟浏览器的呢？首先需要建立一个HttpClient，这个HttpClient是用来模拟一个浏览器。其次构造一个post请求，添加post数据信息以及cookie。详细代码如下：

import org.apache.http.*;
import org.apache.http.client.CookieStore;
import org.apache.http.client.config.CookieSpecs;
import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.entity.UrlEncodedFormEntity;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.client.protocol.HttpClientContext;
import org.apache.http.config.Lookup;
import org.apache.http.config.RegistryBuilder;
import org.apache.http.cookie.CookieSpecProvider;
import org.apache.http.impl.client.BasicCookieStore;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.impl.cookie.BasicClientCookie;
import org.apache.http.impl.cookie.DefaultCookieSpecProvider;
import org.apache.http.message.BasicNameValuePair;
import org.apache.http.util.EntityUtils;
import java.io.IOException;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;/*** Created by gavin on 15-7-23.*/
public class HttpClientTest {public static void main(String[] args){//创建一个HttpClientRequestConfig requestConfig = RequestConfig.custom().setCookieSpec(CookieSpecs.STANDARD_STRICT).build();CloseableHttpClient httpClient = HttpClients.custom().setDefaultRequestConfig(requestConfig).build();try {//创建一个get请求用来接收_xsrf信息HttpGet get = new HttpGet("http://www.zhihu.com/");//获取_xsrfCloseableHttpResponse response = httpClient.execute(get,context);setCookie(response);String responseHtml = EntityUtils.toString(response.getEntity());String xsrfValue = responseHtml.split("<input type=\"hidden\" name=\"_xsrf\" value=\"")[1].split("\"/>")[0];System.out.println("xsrfValue:" + xsrfValue);response.close();//构造post数据List<NameValuePair> valuePairs = new LinkedList<NameValuePair>();valuePairs.add(new BasicNameValuePair("_xsrf", xsrfValue));valuePairs.add(new BasicNameValuePair("email", "xxxx@xxx.com"));valuePairs.add(new BasicNameValuePair("password", "xxxxx"));valuePairs.add(new BasicNameValuePair("remember_me", "true"));UrlEncodedFormEntity entity = new UrlEncodedFormEntity(valuePairs, Consts.UTF_8);//创建一个post请求HttpPost post = new HttpPost("http://www.zhihu.com/login/email");post.setHeader("Cookie", " cap_id=\"YjA5MjE0YzYyNGQ2NDY5NWJhMmFhN2YyY2EwODIwZjQ=|1437610072|e7cc307c0d2fe2ee84fd3ceb7f83d298156e37e0\"; ");//注入post数据post.setEntity(entity);HttpResponse httpResponse = httpClient.execute(post);//打印登录是否成功信息printResponse(httpResponse);//构造一个get请求，用来测试登录cookie是否拿到HttpGet g = new HttpGet("http://www.zhihu.com/question/following");//得到post请求返回的cookie信息String c = setCookie(httpResponse);//将cookie注入到get请求头当中g.setHeader("Cookie",c);CloseableHttpResponse r = httpClient.execute(g);String content = EntityUtils.toString(r.getEntity());System.out.println(content);r.close();} catch (IOException e) {e.printStackTrace();} finally {try {httpClient.close();} catch (IOException e) {e.printStackTrace();}}}public static void printResponse(HttpResponse httpResponse)throws ParseException, IOException {// 获取响应消息实体HttpEntity entity = httpResponse.getEntity();// 响应状态System.out.println("status:" + httpResponse.getStatusLine());System.out.println("headers:");HeaderIterator iterator = httpResponse.headerIterator();while (iterator.hasNext()) {System.out.println("\t" + iterator.next());}// 判断响应实体是否为空if (entity != null) {String responseString = EntityUtils.toString(entity);System.out.println("response length:" + responseString.length());System.out.println("response content:"+ responseString.replace("\r\n", ""));}}public static Map<String,String> cookieMap = new HashMap<String, String>(64);//从响应信息中获取cookiepublic static String setCookie(HttpResponse httpResponse){System.out.println("----setCookieStore");Header headers[] = httpResponse.getHeaders("Set-Cookie");if (headers == null || headers.length==0){System.out.println("----there are no cookies");return null;}String cookie = "";for (int i = 0; i < headers.length; i++) {cookie += headers[i].getValue();if(i != headers.length-1){cookie += ";";}}String cookies[] = cookie.split(";");for (String c : cookies){c = c.trim();if(cookieMap.containsKey(c.split("=")[0])){cookieMap.remove(c.split("=")[0]);}cookieMap.put(c.split("=")[0], c.split("=").length == 1 ? "":(c.split("=").length ==2?c.split("=")[1]:c.split("=",2)[1]));}System.out.println("----setCookieStore success");String cookiesTmp = "";for (String key :cookieMap.keySet()){cookiesTmp +=key+"="+cookieMap.get(key)+";";}return cookiesTmp.substring(0,cookiesTmp.length()-2);}
}

代码的流程是：

从知乎首页获取xsrf信息。
post请求当中需要cookie信息，但是我们第一步中没有得到cookie，请在浏览器中自行找到cookie添加进去，上边的cookie是我找到的。
提交post请求，得到登录用cookie
随便找一个需要登录的子页面，将得到的cookie写入到请求头中，提交请求，查看是否已经登录成功

四结果验证

第一张图显示得到cookie并登录成功

第二张图显示已经进入需要登录的界面

总结

当我们需要登录一个界面获取信息的时候，我们要知道登录实际上做了什么，那就是读写cookie，post数据。

获取cookie时，需要从响应头中获取，当服务器发来新的cookie信息时需要及时写入。

当我们能登录一个网站的时候，如何对其内容进行操作，这里推荐jsoup，良心库，仿jquery操作模式。

摘自开源中国社区：http://my.oschina.net/jiangmitiao/blog/483092