前言

httpclient是java开发中最常用的工具之一，
通常大家会使用httpcilent去调用远程，使用其中比较基础的api，
长期开发爬虫，会接触httpclient不常用的api，
同时会遇到各式各样的坑，下面会总结这些年遇到的坑

坑坑坑

一：Received fatal alert: handshake_failure

解决过程

开发某省份移动爬虫时，加载首页会报标题错误，尝试各种办法都不好使，后来发现换了jdk1.8就好使
经过长达一个星期源码探寻，发现错误源头是http在握手时，加密算法不支持导致
jdk1.8以下版本不支持256位( TLS_DHE_RSA_WITH_AES_256_CBC_SHA )

解决方案

1、需要下载jce扩展包 http://www.oracle.com/technetwork/cn/java/javase/downloads/jce-7-download-432124.html
2、替换/jre/lib/security/里面的两个jar 
3、覆盖后如果报错The jurisdiction policy files are not signed by a trusted signer!，
说明下载的版本不对，要下对应jdk版本的

二：Certificates does not conformto algorithm constraints

解决过程

用mvn打包时报错，
security.cert.CertificateException: Certificates does not conform toalgorithm constraints
原因是在java1.6之后的这个配置文件中，认为MD2的加密方式安全性太低，因而不支持这种加密方式，同时也不支持RSA长度小于1024的密文
需要修改
JAVA_HOME/jre/lib/security/java.security
＃jdk.certpath.disabledAlgorithms=MD2, RSA keySize < 1024
但是这样做需要把每台机器都改一遍，如果新加机器忘记改了，就会发生问题，需要一套方法，只在代码层解决问题

解决方案经查源码发现了触发问题的代码位置，通过强制继承SSLContextBuilder，并强制把private的keymanagers和trustmanagers的值置空就可以解决这个问题了

static class MySSLContextBuilder extends SSLContextBuilder {
 static final String TLS = "TLS";
 static final String SSL = "SSL";
 private String protocol;
 private Set keymanagers;
 private Set trustmanagers;
 private SecureRandom secureRandom;
 public MySSLContextBuilder() {
 super();
 this.keymanagers = new HashSet();
 this.trustmanagers = new HashSet();
 }
}

三：超时时间不生效

解决过程

很多人在使用httpclient时会到网上去找例子，例子中经常会有类似这样的设置
 httpGet.getParams().setParameter(ClientPNames.HANDLE_REDIRECTS, !isAutoRelocal);
使用上面方法时，发送httpclient时，在读取配置时如果发现getParams不为空，则会把以前设置的所有参数都不用了，而使用这里面设置的，所以超时时间会失效

解决方案

request.getParams().setParameter是过期方法，其中每一项参数在RequestConfig里都有对应的，遍历出来替换一遍即可

boolean isRedirect = true;
 if(request != null) {
 HttpParams params = request.getParams();
 if (params instanceof HttpParamsNames) {
 // 暂时只支持这个类型
 isRedirect = params.getBooleanParameter(
 ClientPNames.HANDLE_REDIRECTS, true);
 }
 // 清空request
 request.setParams(new BasicHttpParams());
 }
 if(timeOut > 0) {
 builder = RequestConfig.custom().setConnectionRequestTimeout(timeOut).setConnectTimeout(timeOut).setSocketTimeout(timeOut).setRedirectsEnabled(isRedirect).setCookieSpec(CookieSpecs.BEST_MATCH);
 } else {
 builder = RequestConfig.custom().setConnectionRequestTimeout(connectionTimeout).setConnectTimeout(connectionTimeout).setRedirectsEnabled(isRedirect).setSocketTimeout(socketTimeout).setCookieSpec(CookieSpecs.BEST_MATCH);
 }

四：fildder监听问题

问题

开发爬虫经常会使用fildder来监控网络请求，但是使用httpclient时想用fildder会很难，网上查各种办法，经常都不好使，
下面为大家来排个错，使用下面方法就可以完美解决这个问题，让fildder监控更容易

解决方案

首先java端
// client builder
HttpClientBuilder builder = HttpClients.custom();
if(useFidder) {
 // 默认fidder写死
 builder.setProxy(new HttpHost("127.0.0.1", 8888));
}
fildder端
tools->fiddler options->https->actions->export root certificate to ... inkeytool.exe -import -file C:Users\DesktopFiddlerRoot.cer -keystore FiddlerKeystore -alias Fiddler

五：支持gzip

问题及方案

有些网站返回进行了gzip压缩，返回内容是压缩的结果，需要解压

HttpClient wrappedHttpClient = builder.setUserAgent(requestUA)
 .addInterceptorLast(new HttpResponseInterceptor() {
 @Override
 public void process(HttpResponse httpResponse, HttpContext httpContext) throws HttpException, IOException {
 HttpEntity httpEntity = httpResponse.getEntity();
 Header header = httpEntity.getContentEncoding();
 if (header != null) {
 for (HeaderElement element : header.getElements()) {
 if ("gzip".equalsIgnoreCase(element.getName())) {
 httpResponse.setEntity(new GzipDecompressingEntity(httpResponse.getEntity()));
 }
 }
 }
 }
 })

总结

上面一些能想起来的坑，还会遇到很多问题，欢迎来讨论
做一个广告：想简单开发爬虫的欢迎使用uncs

作者：刘鹏飞宜信技术学院

开发爬虫，细数在httpclient中的那些坑

前言

坑坑坑

一：Received fatal alert: handshake_failure

二：Certificates does not conformto algorithm constraints

三：超时时间不生效

四：fildder监听问题

五：支持gzip

总结

猜你喜欢