Java抓取需要客户端身份认证的页面的解决方案

通过JAVA抓取页面时，有些页面会返回401（Unauthorized）响应状态码和www-authenticate响应头来要求客户端进行身份认证。这种认证有两种方式：BASIC和DIGEST，BASIC验证要求客户端对用户名和密码进行BASE64编码后传送给服务器。DIGEST的认证方式的细节比较复杂，会经过一系列的加密，所以很难被破译。

JAVA提供一个用于启用身份认证的类，可以支持HTTP协议中的多个认证方式，这个类是java.net.Authenticator，使用方法如下：

package com.xixuyishi;
import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.Authenticator;
import java.net.PasswordAuthentication;
import java.net.URL;
public class RunHttpSpnego {
static final String kuser = "username"; // 用户名
static final String kpass = "password"; // 密码
static class MyAuthenticator extends Authenticator {
@Override
public PasswordAuthentication
getPasswordAuthentication() {
return (new PasswordAuthentication(kuser,
kpass.toCharArray()));
}
}
public static void main(String[] args) throws Exception {
Authenticator.setDefault(new MyAuthenticator());
URL url = new URL(args[0]);
InputStream ins = url.openConnection().getInputStream();
BufferedReader reader = new BufferedReader(new
InputStreamReader(ins));
String str;
while ((str = reader.readLine()) != null)
System.out.println(str);
}

只需要创建一个继续自Authenticator的类，并且重写其中的getPasswordAuthentication()方法，将用户名和密码放入方法中，这样在需要使用身份认证的地方实现这个类就可以了