java htmlunit

java htmlunit是什么，讓我們一起了解一下？

htmlunit是一款開源的java頁面分析工具，讀取頁面后，可以有效的使用htmlunit分析頁面上的內容。項目可以模擬瀏覽器運行，被譽為java瀏覽器的開源實現，是一個沒有界面的瀏覽器，運行速度迅速。

htmlunit的主要用途是什么？

常規意義上，該項目可以用來進行頁面的測試工作，實現網頁自動化測試，（包括JS）

但是一般來說，在小型爬蟲項目中，這種框架十分常用，可以有效的分析出 dom的標簽，并且有效的運行頁面上的js以便得到一些需要執行JS才能得到的值。

HtmlUnit使用方法是什么？

1、新建maven工程,添加HtmlUnit依賴：

????????????net.sourceforge.htmlunit????????htmlunit????????2.27

2、新建一個Junit TestCase來嘗試一下程序庫的使用。

程序代碼注釋如下：

package?xuyihao.util.depend;
import?com.gargoylesoftware.htmlunit.BrowserVersion;
import?com.gargoylesoftware.htmlunit.NicelyResynchronizingAjaxController;
import?com.gargoylesoftware.htmlunit.WebClient;
import?com.gargoylesoftware.htmlunit.html.HtmlPage;
import?org.jsoup.Jsoup;
import?org.jsoup.nodes.Document;
import?org.jsoup.nodes.Element;
import?org.junit.Test;
import?java.util.List;
/**
?*?Created?by?xuyh?at?2017/11/6?14:03.
?*/
public?class?HtmlUtilTest?{
????@Test
????public?void?test()?{
????????final?WebClient?webClient?=?new?WebClient(BrowserVersion.CHROME);//新建一個模擬谷歌Chrome瀏覽器的瀏覽器客戶端對象
????????webClient.getOptions().setThrowExceptionOnScriptError(false);//當JS執行出錯的時候是否拋出異常,?這里選擇不需要
????????webClient.getOptions().setThrowExceptionOnFailingStatusCode(false);//當HTTP的狀態非200時是否拋出異常,?這里選擇不需要
????????webClient.getOptions().setActiveXNative(false);
????????webClient.getOptions().setCssEnabled(false);//是否啟用CSS,?因為不需要展現頁面,?所以不需要啟用
????????webClient.getOptions().setJavaScriptEnabled(true);?//很重要，啟用JS
????????webClient.setAjaxController(new?NicelyResynchronizingAjaxController());//很重要，設置支持AJAX
????????HtmlPage?page?=?null;
????????try?{
????????????page?=?webClient.getPage("http://ent.sina.com.cn/film/");//嘗試加載上面圖片例子給出的網頁
????????}?catch?(Exception?e)?{
????????????e.printStackTrace();
????????}finally?{
????????????webClient.close();
????????}
????????webClient.waitForBackgroundJavaScript(30000);//異步JS執行需要耗時,所以這里線程要阻塞30秒,等待異步JS執行結束
????????String?pageXml?=?page.asXml();//直接將加載完成的頁面轉換成xml格式的字符串
????????//TODO?下面的代碼就是對字符串的操作了,常規的爬蟲操作,用到了比較好用的Jsoup庫
????????Document?document?=?Jsoup.parse(pageXml);//獲取html文檔
????????List?infoListEle?=?document.getElementById("feedCardContent").getElementsByAttributeValue("class",?"feed-card-item");//獲取元素節點等
????????infoListEle.forEach(element?->?{
????????????System.out.println(element.getElementsByTag("h2").first().getElementsByTag("a").text());
????????????System.out.println(element.getElementsByTag("h2").first().getElementsByTag("a").attr("href"));
????????});
????}
}

以上就是小編今天的分享了，希望可以幫助到大家。