用于 HTTPS 抓取的 Jsoup Cookie

Posted 2023-03-10

【中文标题】用于 HTTPS 抓取的 Jsoup Cookie

【英文标题】：Jsoup Cookies for HTTPS scraping

【发布时间】：2011-10-31 15:16:56

【问题描述】：

我正在尝试使用此站点在欢迎页面上收集我的用户名来学习 Jsoup 和 android。使用以下代码

Connection.Response res = Jsoup.connect("http://www.mikeportnoy.com/forum/login.aspx")
    .data("ctl00$ContentPlaceHolder1$ctl00$Login1$UserName", "username", "ctl00$ContentPlaceHolder1$ctl00$Login1$Password", "password")
    .method(Method.POST)
    .execute();
String sessionId = res.cookie(".ASPXAUTH");

Document doc2 = Jsoup.connect("http://www.mikeportnoy.com/forum/default.aspx")
.cookie(".ASPXAUTH", sessionId)
.get();

我的 cookie (.ASPXAUTH) 总是以 NULL 结尾。如果我在网络浏览器中删除此 cookie，我将失去连接。所以我确信它是正确的cookie。另外，如果我更改代码

.cookie(".ASPXAUTH", "jkaldfjjfasldjf")  Using the correct values of course

我可以从这个页面上抓取我的登录名。这也让我觉得我有正确的 cookie。那么，我的 cookie 怎么会出现 Null 呢？我的用户名和密码名称字段是否不正确？还有什么？

谢谢。

【参考方案1】：

我知道我在这里迟到了 10 个月。但是使用 Jsoup 的一个不错的选择是使用这段简单的代码：

//This will get you the response.
Response res = Jsoup
    .connect("url")
    .data("loginField", "[e-mail]", "passField", "pass1234")
    .method(Method.POST)
    .execute();

//This will get you cookies
Map<String, String> cookies = res.cookies();

//And this is the easieste way I've found to remain in session
Documente doc = Jsoup.connect("url").cookies(cookies).get();

虽然我仍然无法连接到某些网站，但我还是使用相同的基本代码连接了很多网站。哦，在我忘记之前......我认为我的问题是 SSL 证书。您必须以我还没有完全弄清楚的方式正确管理它们。

【参考方案2】：

我总是分两步来做这件事（就像正常人一样），

读取登录页面（通过 GET，读取 cookie） 提交表单和 cookie（通过 POST，无 cookie 操作）

例子：

Connection.Response response = Jsoup.connect("http://www.mikeportnoy.com/forum/login.aspx")
        .method(Connection.Method.GET)
        .execute();

response = Jsoup.connect("http://www.mikeportnoy.com/forum/login.aspx")
        .data("ctl00$ContentPlaceHolder1$ctl00$Login1$UserName", "username")
        .data("ctl00$ContentPlaceHolder1$ctl00$Login1$Password", "password")
        .cookies(response.cookies())
        .method(Connection.Method.POST)
        .execute();

Document homePage = Jsoup.connect("http://www.mikeportnoy.com/forum/default.aspx")
        .cookies(response.cookies())
        .get();

并且总是将cookie从previuos请求设置到下一个使用

         .cookies(response.cookies())

SSL 在这里并不重要。如果您遇到证书问题，请执行此方法以忽略 SSL。

public static void trustEveryone() 
    try 
        HttpsURLConnection.setDefaultHostnameVerifier(new HostnameVerifier() 
            public boolean verify(String hostname, SSLSession session) 
                return true;
            
        );

        SSLContext context = SSLContext.getInstance("TLS");
        context.init(null, new X509TrustManager[]new X509TrustManager() 
            public void checkClientTrusted(X509Certificate[] chain, String authType) throws CertificateException  

            public void checkServerTrusted(X509Certificate[] chain, String authType) throws CertificateException  

            public X509Certificate[] getAcceptedIssuers() 
                return new X509Certificate[0];
            
        , new SecureRandom());
        HttpsURLConnection.setDefaultSSLSocketFactory(context.getSocketFactory());
     catch (Exception e)  // should never happen
        e.printStackTrace();
    

【参考方案3】：

如果您尝试获取和传递所有 cookie 而不假设这样的情况会怎样：Sending POST request with username and password and save session cookie

如果您仍有问题，请尝试查看：Issues with passing cookies to GET request (after POST)

【讨论】：

我尝试了第一个链接并且能够取回三个 cookie，但一个是空白的。我需要的 cookie 不存在，这就解释了为什么我总是得到 NULL。我无法弄清楚为什么我的代码没有返回我在 firebug 中看到的所有 cookie。有什么可以找的吗？