何为Ajax动态网页，我想不用我多说了吧，如果你连Ajax是啥玩意儿都不知道，那你还是先去Google学习Ajax吧。为了形象起见，这里我以抓取这个网页为例进行讲解说明。网页链接如下：
/assortment/stock/list/name/
很明显，我们要抓取的数据是
打开谷歌浏览器的开发者工具，我们会发现，他其实是采用Ajax方式动态加载的，且采用的jsonp跨域方式返回的，分析如图：
由此可以推断，分页部分信息是通过JavaScript动态往DOM中插入的，如果你仅仅是通过类似HttpClient之类的工具来模拟Http请求来获取网页信息的话，你得到的网页内容将不是完整的，而HtmlUnit可以做到。
OK,回到主题，可能你还是第一次听说有个HtmlUnit这个玩意儿，有可能你是大咖早已听说，但我还是觉得还是官方的解释说明最权威，我就不瞎BB了，看图：
总之，一句话，HtmlUnit其实就是一个测试工具，方便测试人员进行功能测试，它能模拟诸如谷歌浏览器，火狐浏览器，IE浏览器等常见主流浏览器的行为。废话不多说，我直接上demo:
Java代码 /***上海证券交易所数据抓取测试*@since1.0*@authorLanxiaowei@citic-*@date-8-27下午6:16:14**/publicclassShangHaiStockTest{publicstaticvoidmain(String[]args)throwsException{downloadListPage();}publicstaticvoiddownloadListPage()throwsException{WebClientwebClient=newWebClient(BrowserVersion.FIREFOX_38);webClient.getOptions().setCssEnabled(false);webClient.getOptions().setJavaScriptEnabled(true);webClient.getOptions().setActiveXNative(false);webClient.getOptions().setAppletEnabled(false);webClient.getOptions().setRedirectEnabled(false);webClient.getOptions().setThrowExceptionOnFailingStatusCode(false);webClient.getOptions().setThrowExceptionOnScriptError(false);webClient.getOptions().setUseInsecureSSL(false);webClient.getOptions().setTimeout(10000000);webClient.setAjaxController(newNicelyResynchronizingAjaxController());inttotalPage=22;booleanfirst=true;HtmlPagepage=null;do{if(first){page=(HtmlPage)webClient.getPage("/assortment/stock/list/name/");FileUtils.writeFile(page.asXml(),"C:/shh/list/"+totalPage+".html","UTF-8",false);first=false;}else{HtmlAnchoranchor=null;if(totalPage==22-1){anchor=(HtmlAnchor)page.getHtmlElementById("xsgf_next");}else{anchor=(HtmlAnchor)page.getHtmlElementById("dateList_container_next");}page=(HtmlPage)anchor.click();FileUtils.writeFile(page.asXml(),"C:/shh/list/"+totalPage+".html","UTF-8",false);}totalPage--;}while(totalPage>0);//关闭模拟窗口webClient.closeAllWindows();}}
关键点：
1.webClient.getOptions().setJavaScriptEnabled(true);
启用JavaScript
2.webClient.setAjaxController(new NicelyResynchronizingAjaxController());
设置Ajax异步处理控制器即启用Ajax支持
3.webClient.getOptions().setThrowExceptionOnFailingStatusCode(false);
webClient.getOptions().setThrowExceptionOnScriptError(false);
这两句很关键，前者表示当出现Http error时，程序不抛异常继续执行，后者表示当JavaScript执行出现异常时直接无视，否则Java代码会直接抛异常，程序中断。
demo代码里演示了，如何通过代码去模拟点击“下一页”超链接去分页获取每一页的网页内容，然后写入磁盘指定目录。程序很简单，希望能抛砖引玉，程序依赖的jar包如图：
就说这么多，如果有什么其他问题，请联系我，联系方式如下：
益达的GitHub地址：请猛戳我，用力，吃点劲儿！！！
转载：/blog/2238622
