码迷,mamicode.com
首页 > 其他好文 > 详细

抓取 google 搜索结果

时间:2015-05-16 11:59:50      阅读:141      评论:0      收藏:0      [点我收藏+]

标签:

直接访问www.google显然是无法访问的,附上两个地址:

http://209.85.225.23/
http://173.194.14.53/

这两个地址搜索的后缀是

newwindow=1&q=

不采用这个格式,使用如下格式:

http://209.85.225.23/search?hl=zh&ie=gb2312&q=

q=后面加上搜索的内容。


这样直接访问会被google拒绝,需要仿冒浏览器去访问。


java中,如下设置参数:


URL url=new URL(path);
HttpURLConnection con = (HttpURLConnection) url.openConnection(); 
con.setRequestProperty("User-Agent", "Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14"); 

注意,user-agent 后面的浏览器参数,不同的浏览器可能会导致收到的编码方式不同,所以编码出错时,替换后面的参数。


附上完整代码:


package com.search.google;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileWriter;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLEncoder;

import com.mysql.jdbc.Field;

public class GetResult
{
	public static void main(String []args) throws Exception
	{
		new GetResult().process();
	}
	
	public void process() throws Exception
	{
		String str= getHTML("西游记 作者");
		System.out.println(str);
		parseHTML(str);
	}
	
	public String getHTML(String str) throws Exception
	{
		StringBuilder sb=new StringBuilder();
		String path="http://209.85.225.23/search?hl=zh&ie=gb2312&q="+URLEncoder.encode(str,"gb2312");
		//String path="http://209.85.225.23/search?hl=zh&ie=UTF-8&q="+str;
		URL url=new URL(path);
		HttpURLConnection con = (HttpURLConnection) url.openConnection(); 
		con.setRequestProperty("User-Agent", "Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14"); 
		BufferedReader breader = new BufferedReader(new InputStreamReader(con.getInputStream())); 
		
		
		//BufferedReader breader=new BufferedReader(new InputStreamReader(url.openStream()));
		String line=null;
		File file_out =new File("./test/google");
		FileWriter fw =  new FileWriter(file_out);
		while((line=breader.readLine())!=null)
		{
			sb.append(line);
			fw.write(line);
		}
		fw.close();
		return sb.toString();
	}
	
	
	public void parseHTML(String str)
	{
		
		
	}
}


抓取 google 搜索结果

标签:

原文地址:http://blog.csdn.net/zzukun/article/details/45766741

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!