javaネットワーク爬虫接続タイムアウト解決実例コード

本論文で研究したのは主にjavaネットワークの爬虫接続がタイムアウトした問題です。具体的には以下の通りです。
ネットの爬虫類の中で、よく次のようなエラーが発生します。接続がタイムアウトしました。この問題に対しては、接続時間と要求時間を長く設定するという考えが一般的です。接続がタイムアウトした場合は、再度【再要求回数の設定】を要求します。

Exception in thread "main" java.net.ConnectException: Connection timed out: connect

以下のコードはhttpclientを使って接続のタイムアウトを解決するサンプルプログラムです。直接プログラムを実行します。

package daili;
import java.io.IOException;
import java.net.URI;
import org.apache.http.HttpRequest;
import org.apache.http.HttpResponse;
import org.apache.http.client.ClientProtocolException;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.client.params.CookiePolicy;
import org.apache.http.client.protocol.ClientContext;
import org.apache.http.impl.client.BasicCookieStore;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.impl.client.DefaultHttpRequestRetryHandler;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.impl.cookie.BasicClientCookie2;
import org.apache.http.params.HttpConnectionParams;
import org.apache.http.params.HttpParams;
import org.apache.http.protocol.BasicHttpContext;
import org.apache.http.protocol.ExecutionContext;
import org.apache.http.protocol.HttpContext;
import org.apache.http.util.EntityUtils;
/*
 * author:               
 *[email protected]
*/
public class Test1 {
	public static void main(String[] args) throws ClientProtocolException, IOException, InterruptedException {
		getRawHTML("http://club.autohome.com.cn/bbs/forum-c-2098-1.html#pvareaid=103447");
	}
	public static String getRawHTML ( String url ) throws ClientProtocolException, IOException, InterruptedException{
		//   
		DefaultHttpClient httpclient = new DefaultHttpClient();
		httpclient.getParams().setParameter("http.protocol.cookie-policy", 
		        CookiePolicy.BROWSER_COMPATIBILITY);
		//    
		HttpParams params = httpclient.getParams();
		//    
		HttpConnectionParams.setConnectionTimeout(params, 6000);
		HttpConnectionParams.setSoTimeout(params, 6000*20);
		//        
		DefaultHttpRequestRetryHandler dhr = new DefaultHttpRequestRetryHandler(5,true);
		HttpContext localContext = new BasicHttpContext();
		HttpRequest request2 = (HttpRequest) localContext.getAttribute( 
		        ExecutionContext.HTTP_REQUEST);
		httpclient.setHttpRequestRetryHandler(dhr);
		BasicCookieStore cookieStore = new BasicCookieStore();
		BasicClientCookie2 cookie = new BasicClientCookie2("Content-Type","text/html;charset=UTF-8");
		BasicClientCookie2 cookie1 = new BasicClientCookie2("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36");
		cookieStore.addCookie(cookie);
		cookieStore.addCookie(cookie1);
		localContext.setAttribute(ClientContext.COOKIE_STORE, cookieStore);
		HttpGet request = new HttpGet();
		request.setURI(URI.create(url));
		HttpResponse response = null;
		String rawHTML = "";
		response = httpclient.execute(request,localContext);
		int StatusCode = response.getStatusLine().getStatusCode();
		//       
		System.out.println(StatusCode);
		if(StatusCode == 200){
			//   200      
			//      
			rawHTML = EntityUtils.toString (response.getEntity());
			System.out.println(rawHTML);
			//      
			EntityUtils.consume(response.getEntity());
			//    
		} else {
			//  HttpEntity    
			EntityUtils.consume(response.getEntity());
			//    
			Thread.sleep(20*60*1000);
			//       30  
		}
		httpclient.close();
		System.out.println(rawHTML);
		return rawHTML;
	}
}

結果:

締め括りをつける
以上がJavaネットワークの爬虫類接続のタイムアウトについての実例コードの全部です。興味のある方は引き続き当駅の他のテーマを参照してください。友達のサポートに感謝します。