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

Решение

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.

Для меня это сработало, добавив заголовок: "Принять": "*/*"

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.

Другие вопросы по тегам