天天看点

htmlunit使用代理IP

String  url="http://news.cnblogs.com/";//想采集的网址
	String refer="http://www.cnblogs.com/";
	URL link=new URL(url); 
	WebClient wc=new WebClient();
	WebRequest request=new WebRequest(link); 
	request.setCharset("UTF-8");
	request.setProxyHost("120.120.120.x");
	request.setProxyPort();
	request.setAdditionalHeader("Referer", refer);//设置请求报文头里的refer字段
	设置请求报文头里的User-Agent字段
	request.setAdditionalHeader("User-Agent", "Mozilla/5.0 (Windows NT 5.1; rv:6.0.2) Gecko/20100101 Firefox/6.0.2");
	//wc.addRequestHeader("User-Agent", "Mozilla/5.0 (Windows NT 5.1; rv:6.0.2) Gecko/20100101 Firefox/6.0.2");
	//wc.addRequestHeader和request.setAdditionalHeader功能应该是一样的。选择一个即可。
	//其他报文头字段可以根据需要添加
	wc.getCookieManager().setCookiesEnabled(true);//开启cookie管理
	wc.getOptions().setJavaScriptEnabled(true);//开启js解析。对于变态网页,这个是必须的
	wc.getOptions().setCssEnabled(true);//开启css解析。对于变态网页,这个是必须的。
	wc.getOptions().setThrowExceptionOnFailingStatusCode(false);
	wc.getOptions().setThrowExceptionOnScriptError(false);
	wc.getOptions().setTimeout();
	//设置cookie。如果你有cookie,可以在这里设置
	Set<Cookie> cookies=null;
	Iterator<Cookie> i = cookies.iterator();
	while (i.hasNext()) 
	{
	    wc.getCookieManager().addCookie(i.next());
	}
	//准备工作已经做好了
	HtmlPage page=null;
	page = wc.getPage(request);
	if(page==null)
	{
	    System.out.println("采集 "+url+" 失败!!!");
	    return ;
	}
	String content=page.asText();//网页内容保存在content里
	if(content==null)
	{
	    System.out.println("采集 "+url+" 失败!!!");
	    return ;
	}
	//搞定了
	CookieManager CM = wc.getCookieManager(); //WC = Your WebClient's name
	Set<Cookie> cookies_ret = CM.getCookies();//返回的Cookie在这里,下次请求的时候可能可以用上啦。