V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
tiRolin
V2EX  ›  Java

HtmlUnit 框架无法通过 Webclient.getPage()正确获取网址以 JSP 结尾的 HtmlPage 对象如何解决?

  •  
  •   tiRolin · 2023-10-24 09:37:10 +08:00 · 578 次点击
    这是一个创建于 388 天前的主题,其中的信息可能已经有所发展或是发生改变。

    想要用 HtmlUnit 框架做爬虫,我 HtmlUnit 的设置如下

    public class WebClientUtils {
        public static WebClient getWebClient() {
            WebClient webClient = new WebClient(BrowserVersion.FIREFOX);
            //配置 webClient
            webClient.getOptions().setCssEnabled(false);
            webClient.getOptions().setJavaScriptEnabled(true);
            webClient.setAjaxController(new NicelyResynchronizingAjaxController());
            webClient.getOptions().setThrowExceptionOnFailingStatusCode(false);
            webClient.getOptions().setThrowExceptionOnScriptError(false);
            webClient.getCookieManager().setCookiesEnabled(true);
            webClient.setJavaScriptErrorListener(new JavaScriptErrorListener() {
                @Override
                public void scriptException(HtmlPage htmlPage, ScriptException e) {
    
                }
    
                @Override
                public void timeoutError(HtmlPage htmlPage, long l, long l1) {
    
                }
    
                @Override
                public void malformedScriptURL(HtmlPage htmlPage, String s, MalformedURLException e) {
    
                }
    
                @Override
                public void loadScriptError(HtmlPage htmlPage, URL url, Exception e) {
    
                }
    
                @Override
                public void warn(String s, String s1, int i, String s2, int i1) {
    
                }
            });
            return webClient;
        }
    }
    

    然后后文中我就访问该网址,但是问题是居然每次都无法正确获得这个网址的 HtmlPage 对象,结果总是为 null

            WebClient webClient = WebClientUtils.getWebClient()
            HtmlPage page = webClient.getPage("我要访问的网址");
    

    后文的打印结果显示 page 对象的结果是为 null 的 这个网址因为某些原因所以我不能说,所以就不提了,不过这个网址是以 JSP 结尾的,这个网址可以使用 Selenium 框架正确访问,但是在 HtmlUnit 中却总是无法正确获得对象,同时如果说 Html 只是去访问百度首页的话,那又是可以的,也就是说我这个 htmlunit 就访问我这个 jsp 结尾的网址有问题 我按照百度我试了很多方法都不行,我真没法了所以我来问问大伙们,上面基本就是全部信息了

    2 条回复    2023-10-24 10:23:09 +08:00
    xiaohundun
        1
    xiaohundun  
       2023-10-24 09:56:14 +08:00
    webClient. waitForBackgroundJavaScript 等待一会试试
    tiRolin
        2
    tiRolin  
    OP
       2023-10-24 10:23:09 +08:00
    @xiaohundun 这招我一开始就试过了,不顶用,还是跟之前一样获取不了对象
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   983 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 21:44 · PVG 05:44 · LAX 13:44 · JFK 16:44
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.