轉載請注明出處！

原文鏈接：http://blog.csdn.net/zgyulongfei/article/details/7909006

有時候因為種種原因，我們須要採集某個站點的數據，但因為不同站點對數據的顯示方式略有不同！

本文就用Java給大家演示怎樣抓取站點的數據：（1）抓取原網頁數據；（2）抓取網頁Javascript返回的數據。

一、抓取原網頁。

這個樣例我們準備從http://ip.chinaz.com上抓取ip查詢的結果：

第一步：打開這個網頁，然后輸入IP：111.142.55.73，點擊查詢button，就能夠看到網頁顯示的結果：

第二步：查看網頁源代碼，我們看到源代碼中有這么一段：

從這里能夠看出，查詢的結果，是又一次請求一個網頁之后顯示的。

再看看查詢之后的網頁地址：

也就是說，我們僅僅要訪問形如這種網址，就能夠得到ip查詢的結果，接下來看代碼：

public void captureHtml(String ip) throws Exception {String strURL = "http://ip.chinaz.com/?IP=" + ip;URL url = new URL(strURL);HttpURLConnection httpConn = (HttpURLConnection) url.openConnection();InputStreamReader input = new InputStreamReader(httpConn.getInputStream(), "utf-8");BufferedReader bufReader = new BufferedReader(input);String line = "";StringBuilder contentBuf = new StringBuilder();while ((line = bufReader.readLine()) != null) {contentBuf.append(line);}String buf = contentBuf.toString();int beginIx = buf.indexOf("查詢結果[");int endIx = buf.indexOf("上面四項依次顯示的是");String result = buf.substring(beginIx, endIx);System.out.println("captureHtml()的結果：\n" + result); }使用HttpURLConnection連接站點，用bufReader保存網頁返回的數據，然后通過自己定義的一個解析方式將結果顯示出來。

這里我僅僅是隨便的解析了一下，要解析的很準確的話自己需再處理。

解析結果例如以下：

captureHtml()的結果：
查詢結果[1]: 111.142.55.73 ==>> 1871591241 ==>> 福建省漳州市 移動</strong><br /> ?

二、抓取網頁JavaScript返回的結果。

有時候站點為了保護自己的數據，并沒有把數據直接放在網頁源代碼中返回，而是採用異步的方式，用JS返回數據，這樣能夠避免搜索引擎等工具對站點數據的抓取。

首先看一下這個網頁：

用第一種方式查看該網頁的源代碼，卻沒有發現該運單的跟蹤信息，由于它是通過JS的方式獲取結果的。

但有時候我們非常須要獲取到JS的數據，這個時候要怎么辦呢？

這個時候我們須要用到一個工具：HTTP Analyzer，這個工具能夠截獲Http的交互內容，我們通過這個工具來達到我們的目的。

首先點擊Startbutton之后，它就開始監聽網頁的交互行為了。

我們打開網頁：http://www.kiees.cn/sf.php ，能夠看到HTTP Analyzer列出了全部該網頁的請求數據以及結果：

為了更方便的查看JS的結果，我們先清空這些數據，然后再網頁中輸入快遞單號：107818590577，點擊查詢button，然后查看HTTP Analyzer的結果：

這個就是點擊查詢button之后，HTTP Analyzer的結果，我們繼續查看：

從上面兩幅圖中能夠看出，HTTP Analyzer能夠截獲JS返回的數據，并在Response Content中顯示，同一時候能夠看到JS請求的網頁地址。

既然如此，我們僅僅要分析HTTP Analyzer的結果，然后模擬JS的行為就可獲取到數據，即我們僅僅要訪問JS請求的網頁地址來獲取數據，當然前提是這些數據是沒有經過加密的，我們記下JS請求的URL：http://www.kiees.cn/sf.php?wen=107818590577&channel=&rnd=0

然后讓程序去請求這個網頁的結果就可以！

以下是代碼：

public void captureJavascript(String postid) throws Exception {String strURL = "http://www.kiees.cn/sf.php?wen=" + postid+ "&channel=&rnd=0";URL url = new URL(strURL);HttpURLConnection httpConn = (HttpURLConnection) url.openConnection();InputStreamReader input = new InputStreamReader(httpConn.getInputStream(), "utf-8");BufferedReader bufReader = new BufferedReader(input);String line = "";StringBuilder contentBuf = new StringBuilder();while ((line = bufReader.readLine()) != null) {contentBuf.append(line);}System.out.println("captureJavascript()的結果：\n" + contentBuf.toString()); }看到了吧，抓取JS的方式和前面抓取原網頁的代碼一模一樣，我們僅僅只是做了一個分析JS的過程。

以下是程序運行的結果：

captureJavascript()的結果：

<div class="results"><div id="ali-itu-wl-result" class="ali-itu-wl-result"><h2 class="logisTitle">運單<span class="mail-no">【107818590577】</span>的跟蹤信息</h2><div class="trace_result"><ul><li><span class="time">2012-07-16 15:46:00</span><span class="info">已收件 </span></li><li><span class="time">2012-07-16 16:03:00</span><span class="info">快件在 廣州\t,準備送往下一站廣州集散中心 </span></li><li><span class="time">2012-07-16 19:33:00</span><span class="info">快件在 廣州集散中心,準備送往下一站佛山集散中心 </span></li><li><span class="time">2012-07-17 01:56:00</span><span class="info">快件在 佛山集散中心\t,準備送往下一站佛山 </span></li><li><span class="time">2012-07-17 09:41:00</span><span class="info">正在派件.. </span></li><li><span class="time">2012-07-17 11:28:00</span><span class="info">派件已簽收 </span></li><li><span class="time">2012-07-17 11:28:00</span><span class="info">簽收人是:已簽收 </span></li></ul><div></div></div></div> ?</div>

這些數據就是JS返回的結果了，我們的目的達到了！

希望本文可以對須要的朋友有一點幫助，須要程序源代碼的，請點擊這里下載！

總結

以上是生活随笔為你收集整理的Java抓取网页数据（原网页+Javascript返回数据）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。