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client编程工具包，它实现了HTTP协议的全部方法，可是不支持JS渲染。我们在做一些小玩意时，有可能须要登录某些站点获取信息，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站点，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server发送命令。浏览器在本地读写。

当訪问某些站点的时候，浏览器会检查是否有所浏览站点的cookie信息，假设有则在发送訪问请求的时候携带上这些内容，server能够读取到浏览器发送请求中的cookie信息。在回应请求时能够再写cookie信息。cookie信息包含键值。内容。过期时间。所属站点。

    讲到这里cookie几乎相同讲完了。那么登录究竟是怎么回事？登录就是server向你的浏览器写cookie，假设不过在你的计算机上写cookie，那么别实用心的人伪造一个cookie也有机会登录站点。所以server会在内存中保留一份同样的信息。这个过程叫做会话。假设你在站点点击退出button，server会把内存中的cookie清除掉。同一时候清除浏览器中有关登录的cookie。

知道了这些，我们就能够上手了。

二 找到登录关键cookie

    这里我们能够用wireshark来抓包分析一下。

打开知乎首页，打开wireshark。開始监听port。输入username和password，点击登录。查看wireshark抓到的包。

截图例如以下：

第一张图是本地post提交数据。

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

第三张图是server返回的信息，注意它的状态是200，说明是成功的。

第四章图是server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是如何模拟浏览器的呢？首先须要建立一个HttpClient，这个HttpClient是用来模拟一个浏览器。

其次构造一个post请求，加入post数据信息以及cookie。具体代码例如以下：

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HttpClient
        RequestConfig 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_xsrf
            CloseableHttpResponse 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，用来測试登录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请求头其中
            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());
        }
        // 推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cookie
    public 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：

1. 从知乎首页获取xsrf信息。

2. post请求其中须要cookie信息，可是我们第一步中没有得到cookie。请在浏览器中自行找到cookie加入进去，上边的cookie是我找到的。

3. 提交post请求，得到登录用cookie

4. 随便找一个须要登录的子页面，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须要登录的界面

总结

    当我们须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，须要从响应头中获取。当server发来新的cookie信息时须要及时写入。

    当我们能登录一个站点的时候，怎样对其内容进行操作。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