Warum erhält mein Java-Programm beim Scraping von Google-Suchergebnissen den Fehler 403 Forbidden, während mein Browser dies nicht tut?

Java-Programm empfängt 403 Forbidden Error, während Webbrowser erfolgreich sind

Problem:

Ein Java Ein Programm zum Abrufen der Ergebnisanzahl für eine bestimmte Google-Suchanfrage gibt bei derselben Abfrage den Fehler 403 Forbidden zurück liefert Ergebnisse in Webbrowsern. Codeausschnitt:

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;
    }

}

Fehler:

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)

Lösung:

Das Problem tritt aufgrund der URLConnection-Klasse von Java auf täuscht standardmäßig keinen tatsächlichen Benutzeragenten vor. Durch Ändern des Codes zum Festlegen eines User-Agent-Headers wird dieses Problem behoben:

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")));

Außerdem ist die SSL-Verarbeitung transparent, wie durch den Ausnahme-Stacktrace angezeigt.

Weitere Überlegungen:

Das Abrufen der Ergebniszahlen erfordert weitere Schritte, einschließlich der Fälschung eines Browsers durch das Abrufen von Cookies und das Parsen der Weiterleitung Token-Links:

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>

Die Ausführung dieses vollständigen Codes ergibt ein Ergebnis von 2930000000L.

Das obige ist der detaillierte Inhalt vonWarum erhält mein Java-Programm beim Scraping von Google-Suchergebnissen den Fehler 403 Forbidden, während mein Browser dies nicht tut?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!