我的目标是连接到OWA页面(Microsoft Office Outlook Web Access,基本上是电子邮件客户端)并登录,然后读取加载的新页面并查找收件箱计数。
要登录,我需要填写用户名和密码字段,并调用一个我知道名称和标题的特定javascript函数。
我如何:
-
获取页面的DOM?
-
是否更新DOM以填充输入文本字段?
-
调用javascript函数?
-
获取我重定向到的页面的新URL?
到目前为止,我可以连接到一个网页,并使用下面的Java代码加载它的页面源代码:
// open the connection to the welcome page
callback.status("Opening connection...");
URLConnection connection = null;
try
{
connection = url.openConnection();
}
catch(IOException ex)
{
throw new Exception("I/O Problem while attempting URL connection");
}
connection.setDoInput(true);
// open input stream to read website
callback.status("Opening data stream...");
InputStream input = null;
try
{
input = connection.getInputStream();
}
catch(IOException ex)
{
throw new Exception("I/O Problem while opening data stream");
}
// read website contents
callback.status("Reading site...");
String content = "";
byte[] buffer = new byte[100];
int totalBytesRead = 0;
int bytesRead = 0;
try
{
while((bytesRead = input.read(buffer)) != -1)
{
String newContent = new String(buffer, 0, bytesRead);
content += newContent;
}
}
catch(IOException ex)
{
throw new Exception("I/O Problem while reading website");
}
System.out.println(content);
结果是整个页面源被输出到控制台-太好了。
我还尝试解析页面以获取一个DOM对象,然后可以按照该对象查找用户名和密码字段:
XMLParserConfiguration config = new XML11DTDConfiguration();
DOMParser parser = new DOMParser(config);
InputSource inputSource = new InputSource(input);
inputSource.setByteStream(input);
try
{
parser.parse(inputSource);
}
catch(SAXParseException ex)
{
}
Document document = parser.getDocument();
visitNode(document, 0);
但是我得到了一个SAXParseException::6:62:publicID和systemID之间需要空白。
看来这句话应该归咎于:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
因此,我可能需要以某种方式更改domparser的配置,使其足够宽泛并“原谅”空白需求。
