Question

java网络爬虫怎么实现抓取登录后的页面

Answer 1

原理即是保存cookie数据

保存登陆后的cookie.

以后每次抓取页面把cookie在头部信息里面发送过去。

系统是根据cookie来判断用户的。

有了cookie就有了登录状态，以后的访问都是基于这个cookie对应的用户的。

补充：Java是一种可以撰写跨平台应用软件的面向对象的程序设计语言。Java 技术具有卓越的通用性、高效性、平台移植性和安全性，广泛应用于PC、数据中心、游戏控制台、科学超级计算机、移动电话和互联网，同时拥有全球最大的开发者专业社群。

Answer 2

模拟登陆就行了！

追问

刚学，能解释具体点吗？

Answer 3

在做爬虫时，遇到需要登陆的问题也比较常见，比如写脚本抢票之类的，但凡需要个人信息的都需要登陆，对于这类问题主要有两种解决方式：一种方式是手动设置 cookie ，就是先在网站上面登录，复制登陆后的 cookies ，在爬虫程序中手动设置 HTTP 请求中的 Cookie 属性，这种方式适用于采集频次不高、采集周期短，因为 cookie 会失效，如果长期采集的话就需要频繁设置 cookie，这不是一种可行的办法，第二种方式就是使用程序模拟登陆，通过模拟登陆获取到 cookies，这种方式适用于长期采集该网站，因为每次采集都会先登陆，这样就不需要担心 cookie 过期的问题

1.手动设置 cookie
手动设置 cookie 的方式，这种方式比较简单，在网站上登陆，登陆成功后就可以获取到带有用户信息的cookie

2.模拟登陆方式
模拟登陆的方式可以解决手动设置 cookie 方式的不足之处，但同时也引入了比较复杂的问题，现在的验证码形形色色、五花八门，很多都富有挑战性，比如在一堆图片中操作某类图片，这个还是非常有难度，不是随便就能够编写出来。所以对于使用哪种方式这个就需要开发者自己去衡量利弊啦。关于模拟登陆方式最重要的就是找到真正的登陆请求、登陆需要的参数。 这个我们就只能取巧了，我们先在登陆界面输入错误的账号密码，这样页面将不会跳转，所以我们就能够轻而易举的找到登陆请求。

Answer 4

原理即是保存cookie数据，本人有已经写好的类一枚，可供参考，如有意向，请hi。

追问

已联系你，谢谢！