403 Запрещено с Java, но не с веб-браузером?
Я пишу небольшую Java-программу, чтобы получить количество результатов по заданному поисковому запросу Google. По какой-то причине в Java я получаю 403 Forbidden, но я получаю правильные результаты в веб-браузерах. Код:
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
public class DataGetter {
public static void main(String[] args) throws IOException {
getResultAmount("test");
}
private static int getResultAmount(String query) throws IOException {
BufferedReader r = new BufferedReader(new InputStreamReader(new URL("https://www.google.com/search?q=" + query).openConnection()
.getInputStream()));
String line;
String src = "";
while ((line = r.readLine()) != null) {
src += line;
}
System.out.println(src);
return 1;
}
}
И ошибка:
Exception in thread "main" java.io.IOException: Server returned HTTP response code: 403 for URL: https://www.google.com/search?q=test
at sun.net.www.protocol.http.HttpURLConnection.getInputStream(Unknown Source)
at sun.net.www.protocol.https.HttpsURLConnectionImpl.getInputStream(Unknown Source)
at DataGetter.getResultAmount(DataGetter.java:15)
at DataGetter.main(DataGetter.java:10)
Почему он это делает?
4 ответа
Вам просто нужно установить заголовок пользовательского агента, чтобы он работал:
URLConnection connection = new URL("https://www.google.com/search?q=" + query).openConnection();
connection.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.95 Safari/537.11");
connection.connect();
BufferedReader r = new BufferedReader(new InputStreamReader(connection.getInputStream(), Charset.forName("UTF-8")));
StringBuilder sb = new StringBuilder();
String line;
while ((line = r.readLine()) != null) {
sb.append(line);
}
System.out.println(sb.toString());
SSL был прозрачно обработан для вас, как видно из вашей трассировки стека исключений.
Однако получить сумму результата не так-то просто, после этого вы должны подделать информацию о том, что вы браузер, загрузив cookie и проанализировав ссылку на токен перенаправления.
String cookie = connection.getHeaderField( "Set-Cookie").split(";")[0];
Pattern pattern = Pattern.compile("content=\\\"0;url=(.*?)\\\"");
Matcher m = pattern.matcher(response);
if( m.find() ) {
String url = m.group(1);
connection = new URL(url).openConnection();
connection.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.95 Safari/537.11");
connection.setRequestProperty("Cookie", cookie );
connection.connect();
r = new BufferedReader(new InputStreamReader(connection.getInputStream(), Charset.forName("UTF-8")));
sb = new StringBuilder();
while ((line = r.readLine()) != null) {
sb.append(line);
}
response = sb.toString();
pattern = Pattern.compile("<div id=\"resultStats\">About ([0-9,]+) results</div>");
m = pattern.matcher(response);
if( m.find() ) {
long amount = Long.parseLong(m.group(1).replaceAll(",", ""));
return amount;
}
}
Запустив полный код я получаю 2930000000L
в следствии.
Вы, вероятно, не устанавливаете правильные заголовки. использование LiveHttpHeaders
(или эквивалент) в браузере, чтобы увидеть, какие заголовки отправляет браузер, а затем эмулировать их в своем коде.
Это потому, что сайт использует SSL. Попробуйте использовать HTTP-клиент Jersey. Возможно, вам также придется немного узнать о HTTPS и сертификатах, но я думаю, что Джерси может поспорить, что он проигнорирует большинство деталей, относящихся к фактической безопасности.