自用Java爬虫工具JAVA-CURL已开源

项目地址: https://github.com/rockswang/...
中央仓库: https://mvnrepository.com/art...

简介

CUrl类是以命令行工具CUrl为参考,使用标准Java的HttpURLConnection实现的Http工具类。

特点

  • 基于标准Java运行库的Http类实现,源码兼容级别为1.6,适用性广泛,可用于服务端、Android等Java环境
  • 代码精简紧凑,仅一个1000余行的Java源文件,无任何外部依赖,可不用Maven直接源码级重用
  • 完全兼容CUrl命令行工具的常用开关,可直接作为命令行工具替代之
  • 支持所有HTTP Method,支持多文件上传
  • 通过ThreadLocal解决了标准Java中Cookie只能全局保存的问题,可每线程独立维护Cookie
  • 可将线程中保存的Cookies序列化保存,方便建立Cookies池
  • 支持HTTP认证,支持HTTPS,可启用/忽略证书安全
  • 支持每连接代理,支持需认证的HTTP/HTTPS代理
  • 跳转行为可控制,可获取到每步跳转的应答头信息
  • 支持编程自定义应答解析器
  • 支持失败重试,可编程自定义可重试异常

支持的参数

参数名快捷方法说明
--compressed请求以gzip压缩应答数据(但需服务器端支持)
--connect-timeouttimeout连接超时时间,单位秒,默认0,即永不超时
-b, --cookiecookie从文件/IO对象/参数字符串中读取Cookie
-c, --cookie-jarcookieJarCookie输出到文件/IO对象
-d, --data, --data-asciidata添加post数据,如果多次使用,则使用'&'连接,后添加的表单项键值对会覆盖之前的<br/>如果data以'@'开头,则后面部分作为文件名,数据由该文件读入,且删除文件中的回车换行
--data-raw同"--data",但不对'@'特殊处理
--data-binary同"--data",但读入文件时不删除回车换行字符
--data-urlencodedata(data,charset)同"--data",但对数据进行Url-Encode,可以在此选项后面附加字符集,比如"--data-urlencode-GBK"<br/>如果参数值首字符为'=':对'='后面的字符串整体进行Url-Encode* 如果参数值中包含'=':将字符串拆分为以'&'分割的键值对,键值对用'='分割,对键值对中所有的值进行Url-Encode<br/>如果参数值中不包含'=':<br/>--如果字符串中不包含'@',则对字符串整体进行Url-Encode<br/>--如果字符串中包含'@'则以'@'分割字符串,'@'后面为输入文件名,则从该文件中读取文本并进行Url-Encode,'@'前面部分为键<br/>--如'@'为第一个字符,则文件中读出的文本整体进行Url-Encode
-D, --dump-headerdumpHeader输出最后一步跳转的应答头到给定的文件/IO对象
-F, --formform发起文件上传,添加一个文件或表单项<br/>-如参数值首字母为'@'或'<'则从指定的文件读取数据进行上传。'@'和'<'的区别在于,'@'的文件内容作为文件附件上传,'<'的文件内容作为普通表单项的值<br/>-否则参数值作为普通表单项的值
--form-stringform(formString)发起文件上传,添加1个非文件表单项,注意此方法不对'@'进行特殊处理
-G, --get强制使用GET方法
-H, --headerheader添加一个请求头行,语法为:<br/>-"Host: baidu.com": 添加/设定一行普通请求头键值对<br/>-"Accept:": 删除给定请求头<br/>-"X-Custom-Header;": 添加/设定一个值为空的自定义请求头
-I, --head使用HEAD方法请求
-k, --insecureinsecure忽略HTTPS证书安全检查
-L, --locationlocation自动跟随跳转(默认不开启)
-m, --max-timetimeout传输超时时间,单位秒,默认0,即永不超时
-o, --outputoutput指定输出文件/IO对象,默认stdout,即"-"
-x, --proxyproxy设定代理服务器
-U, --proxy-user设定代理服务器登录信息
-e, --referer设定Referer请求头内容
--retryretry设定重试次数,默认0
--retry-delayretry设定两次重试之间的延迟,单位秒,默认0
--retry-max-timeretry设定最长重试总时间,单位秒,默认0,即永不超时
-s, --silent设定静默模式,即屏蔽所有输出
--stderrstderr设定stderr的输出文件/IO对象,默认stdout
-u, --user设定服务器登录信息
--urlCUrl, url设定请求地址,本CUrl库不支持多url请求
-A, --user-agent设定"User-Agent"请求头内容
-X, --request指定HTTP请求方法
--x-max-download传输达到给定字节数(非精确)后放弃下载
--x-tags设定额外的键值对信息,存储在当前CUrl实例中,用于在编程中传递额外参数

例子

例1:POST表单提交
public void httpPost() {
        CUrl curl = new CUrl("http://httpbin.org/post")
                .data("hello=world&foo=bar")
                .data("foo=overwrite");
        curl.exec();
        assertEquals(200, curl.getHttpCode());
    }
例2:通过Fiddler代理(抓包工具)访问HTTPS站点
public void insecureHttpsViaFiddler() {
        CUrl curl = new CUrl("https://httpbin.org/get")
                .proxy("127.0.0.1", 8888) // Use Fiddler to capture & parse HTTPS traffic
                .insecure();  // Ignore certificate check since it's issued by Fiddler
        curl.exec();
        assertEquals(200, curl.getHttpCode());
    }
例3:上传多个文件,一个内存文件,一个物理文件
public void uploadMultipleFiles() {
        CUrl.MemIO inMemFile = new CUrl.MemIO();
        try { inMemFile.getOutputStream().write("text file content blabla...".getBytes()); } catch (Exception ignored) {}
        CUrl curl = new CUrl("http://httpbin.org/post")
                .form("formItem", "value") // a plain form item
                .form("file", inMemFile)           // in-memory "file"
                .form("image", new CUrl.FileIO("D:\\tmp\\a2.png")); // A file in storage
        curl.exec();
        assertEquals(200, curl.getHttpCode());
    }
例4:模拟手机浏览器上的AJAX请求,添加自定义请求头
public void customUserAgentAndHeaders() {
        String mobileUserAgent = "Mozilla/5.0 (Linux; U; Android 8.0.0; zh-cn; KNT-AL10 Build/HUAWEIKNT-AL10) " 
                + "AppleWebKit/537.36 (KHTML, like Gecko) MQQBrowser/7.3 Chrome/37.0.0.0 Mobile Safari/537.36";
        Map<String, String> fakeAjaxHeaders = new HashMap<String, String>();
        fakeAjaxHeaders.put("X-Requested-With", "XMLHttpRequest");
        fakeAjaxHeaders.put("Referer", "http://somesite.com/fake_referer");
        CUrl curl = new CUrl("http://httpbin.org/get")
                .opt("-A", mobileUserAgent) // simulate a mobile browser
                .headers(fakeAjaxHeaders)   // simulate an AJAX request
                .header("X-Auth-Token: xxxxxxx"); // other custom header, this might be calculated elsewhere
        curl.exec();
        assertEquals(200, curl.getHttpCode());
    }
例5:多线程并发请求,线程间Cookies相互独立
public void threadSafeCookies() {
        final CountDownLatch count = new CountDownLatch(3);
        final CUrl[] curls = new CUrl[3];
        for (int i = 3; --i >= 0;) {
            final int idx = i;
            new Thread() {
                public void run() {
                    CUrl curl = curls[idx] = new CUrl("http://httpbin.org/get")
                            .cookie("thread" + idx + "=#" + idx);
                    curl.exec();
                    count.countDown();
                }
            }.start();
        }
        try { count.await(); } catch (Exception ignored) {} // make sure all requests are done
        assertEquals(200, curls[0].getHttpCode());
        assertEquals("thread0=#0", deepGet(curls[0].getStdout(jsonResolver, null), "headers.Cookie"));
        assertEquals("thread1=#1", deepGet(curls[1].getStdout(jsonResolver, null), "headers.Cookie"));
        assertEquals("thread2=#2", deepGet(curls[2].getStdout(jsonResolver, null), "headers.Cookie"));
    }
例6:编程自定义应答解析器,使用JSoup解析HTML
private CUrl.Resolver<Document> htmlResolver = new CUrl.Resolver<Document>() {
        @SuppressWarnings("unchecked")
        @Override
        public Document resolve(int httpCode, byte[] responseBody) throws Throwable {
            String html = new String(responseBody, "UTF-8");
            return Jsoup.parse(html);
        }
    };

    public void customResolver() {
        CUrl curl = new CUrl("http://httpbin.org/html");
        Document html = curl.exec(htmlResolver, null);
        assertEquals(200, curl.getHttpCode());
        assertEquals("Herman Melville - Moby-Dick", html.select("h1:first-child").text());
    }
例7:作为命令行工具使用,请求内容参考例4
java -jar java-curl-1.2.0.jar https://httpbin.org/get ^
    -x 127.0.0.1:8888 -k ^
    -A "Mozilla/5.0 (Linux; U; Android 8.0.0; zh-cn; KNT-AL10 Build/HUAWEIKNT-AL10) AppleWebKit/537.36 (KHTML, like Gecko) MQQBrowser/7.3 Chrome/37.0.0.0 Mobile Safari/537.36" ^
    -H "Referer: http://somesite.com/fake_referer" ^
    -H "X-Requested-With: XMLHttpRequest" ^
    -H "X-Auth-Token: xxxxxxx"

相关推荐