如何使用Jsoup通过HTTPS连接?

jfi*_*isk 23 java https android web-scraping jsoup

它在HTTP上运行良好,但是当我尝试使用HTTPS源时,它会抛出以下异常:

10-12 13:22:11.169: WARN/System.err(332): javax.net.ssl.SSLHandshakeException: java.security.cert.CertPathValidatorException: Trust anchor for certification path not found.
10-12 13:22:11.179: WARN/System.err(332):     at org.apache.harmony.xnet.provider.jsse.OpenSSLSocketImpl.startHandshake(OpenSSLSocketImpl.java:477)
10-12 13:22:11.179: WARN/System.err(332):     at org.apache.harmony.xnet.provider.jsse.OpenSSLSocketImpl.startHandshake(OpenSSLSocketImpl.java:328)
10-12 13:22:11.179: WARN/System.err(332):     at org.apache.harmony.luni.internal.net.www.protocol.http.HttpConnection.setupSecureSocket(HttpConnection.java:185)
10-12 13:22:11.179: WARN/System.err(332):     at org.apache.harmony.luni.internal.net.www.protocol.https.HttpsURLConnectionImpl$HttpsEngine.makeSslConnection(HttpsURLConnectionImpl.java:433)
10-12 13:22:11.189: WARN/System.err(332):     at org.apache.harmony.luni.internal.net.www.protocol.https.HttpsURLConnectionImpl$HttpsEngine.makeConnection(HttpsURLConnectionImpl.java:378)
10-12 13:22:11.189: WARN/System.err(332):     at org.apache.harmony.luni.internal.net.www.protocol.http.HttpURLConnectionImpl.connect(HttpURLConnectionImpl.java:205)
10-12 13:22:11.189: WARN/System.err(332):     at org.apache.harmony.luni.internal.net.www.protocol.https.HttpsURLConnectionImpl.connect(HttpsURLConnectionImpl.java:152)
10-12 13:22:11.189: WARN/System.err(332):     at org.jsoup.helper.HttpConnection$Response.execute(HttpConnection.java:377)
10-12 13:22:11.189: WARN/System.err(332):     at org.jsoup.helper.HttpConnection$Response.execute(HttpConnection.java:364)
10-12 13:22:11.189: WARN/System.err(332):     at org.jsoup.helper.HttpConnection.execute(HttpConnection.java:143)
Run Code Online (Sandbox Code Playgroud)

这是相关的代码:

try {
    doc = Jsoup.connect("https url here").get();
} catch (IOException e) {
    Log.e("sys","coudnt get the html");
    e.printStackTrace();
}
Run Code Online (Sandbox Code Playgroud)

Bal*_*usC 55

如果您想以正确的方式进行,和/或您只需要处理一个站点,那么您基本上需要获取相关网站的SSL证书并将其导入Java密钥库.这将生成一个JKS文件,您在使用Jsoup(或java.net.URLConnection)之前将其设置为SSL信任库.

您可以从webbrowser商店获取证书.我们假设您正在使用Firefox.

  1. 使用Firefox访问相关网站,在您的情况下https://web2.uconn.edu/driver/old/timepoints.php?stopid=10
  2. 在地址栏中,您会看到蓝色的"uconn.edu"(这表示有效的SSL证书)
  3. 单击它以获取详细信息,然后单击" 更多信息"按钮.
  4. 在出现的安全对话框中,单击" 查看证书"按钮.
  5. 在出现的证书面板中,转到" 详细信息"选项卡.
  6. 单击证书层次结构中最深的项目,在本例中为"web2.uconn.edu",最后单击" 导出"按钮.

现在你有了一个web2.uconn.edu.crt文件.

接下来,打开命令提示符并使用keytool命令将其导入Java密钥库(它是JRE的一部分):

keytool -import -v -file /path/to/web2.uconn.edu.crt -keystore /path/to/web2.uconn.edu.jks -storepass drowssap
Run Code Online (Sandbox Code Playgroud)

-file必须指向的位置.crt,你刚刚下载的文件.在-keystore必须指向生成的位置.jks文件(你反过来要设置为SSL信任库).这-storepass是必需的,你可以输入你想要的任何密码,只要它至少6个字符.

现在,你有一个web2.uconn.edu.jks文件.您最终可以在连接之前将其设置为SSL信任存储,如下所示:

System.setProperty("javax.net.ssl.trustStore", "/path/to/web2.uconn.edu.jks");
Document document = Jsoup.connect("https://web2.uconn.edu/driver/old/timepoints.php?stopid=10").get();
// ...
Run Code Online (Sandbox Code Playgroud)

作为一个完全不同的替代方案,特别是当您需要处理多个站点(即您正在创建万维网爬虫)时,您还可以指示Jsoup(基本上java.net.URLConnection)盲目信任所有SSL证书.另请参阅本答案最底部的"处理不受信任或配置错误的HTTPS站点"部分:使用java.net.URLConnection触发和处理HTTP请求


小智 12

就我而言,我需要做的就是在我的连接中添加.validateTLSCertificates(false)

Document doc  = Jsoup.connect(httpsURLAsString)
            .timeout(60000).validateTLSCertificates(false).get();
Run Code Online (Sandbox Code Playgroud)

我还必须增加读取超时,但我认为这是无关紧要的


Nex*_*day 9

我偶然发现了这里和我搜索中链接问题的答案,并希望添加两条信息,因为接受的答案不适合我非常相似的情况,但是有一个额外的解决方案,即使在这种情况下也适合(cert和主机名与测试系统不匹配).

  1. 有一个github请求添加这样的功能.所以也许很快就会解决问题:https://github.com/jhy/jsoup/pull/343 编辑:Github请求已解决,禁用证书验证的方法是:validateTLSCertificates(boolean validate)
  2. 基于http://www.nakov.com/blog/2009/07/16/disable-certificate-validation-in-java-ssl-connections/我找到了一个似乎有效的解决方案(至少在我的场景中,jsoup 1.7.3被称为maven任务的一部分).我把它包装在disableSSLCertCheck()我在第一个Jsoup.connect()之前调用的方法中.

在使用此方法之前,您应该确定自己了解自己在那里做了什么 - 不检查SSL证书是一件非常愚蠢的事情.始终为您的服务器使用正确的SSL证书,这些证书由通常接受的CA签名.如果您无法负担普遍接受的CA,请使用正确的SSL证书,但@BalusC接受上述答案.如果您无法配置正确的SSL证书(在生产环境中绝不应该这样),则可以使用以下方法:

    private void disableSSLCertCheck() throws NoSuchAlgorithmException, KeyManagementException {
    // Create a trust manager that does not validate certificate chains
    TrustManager[] trustAllCerts = new TrustManager[] {new X509TrustManager() {
            public java.security.cert.X509Certificate[] getAcceptedIssuers() {
                return null;
            }
            public void checkClientTrusted(X509Certificate[] certs, String authType) {
            }
            public void checkServerTrusted(X509Certificate[] certs, String authType) {
            }
        }
    };

    // Install the all-trusting trust manager
    SSLContext sc = SSLContext.getInstance("SSL");
    sc.init(null, trustAllCerts, new java.security.SecureRandom());
    HttpsURLConnection.setDefaultSSLSocketFactory(sc.getSocketFactory());

    // Create all-trusting host name verifier
    HostnameVerifier allHostsValid = new HostnameVerifier() {
        public boolean verify(String hostname, SSLSession session) {
            return true;
        }
    };

    // Install the all-trusting host verifier
    HttpsURLConnection.setDefaultHostnameVerifier(allHostsValid);
    }
Run Code Online (Sandbox Code Playgroud)


Dmi*_*sov 8

要抑制特定 JSoup 连接的证书警告,可以使用以下方法:

科特林


val document = Jsoup.connect("url")
        .sslSocketFactory(socketFactory())
        .get()


private fun socketFactory(): SSLSocketFactory {
    val trustAllCerts = arrayOf<TrustManager>(object : X509TrustManager {
        @Throws(CertificateException::class)
        override fun checkClientTrusted(chain: Array<X509Certificate>, authType: String) {
        }

        @Throws(CertificateException::class)
        override fun checkServerTrusted(chain: Array<X509Certificate>, authType: String) {
        }

        override fun getAcceptedIssuers(): Array<X509Certificate> {
            return arrayOf()
        }
    })

    try {
        val sslContext = SSLContext.getInstance("TLS")
        sslContext.init(null, trustAllCerts, java.security.SecureRandom())
        return sslContext.socketFactory
    } catch (e: Exception) {
        when (e) {
            is RuntimeException, is KeyManagementException -> {
                throw RuntimeException("Failed to create a SSL socket factory", e)
            }
            else -> throw e
        }
    }
}

Run Code Online (Sandbox Code Playgroud)

爪哇



 Document document = Jsoup.connect("url")
        .sslSocketFactory(socketFactory())
        .get();


  private SSLSocketFactory socketFactory() {
    TrustManager[] trustAllCerts = new TrustManager[]{new X509TrustManager() {
      public java.security.cert.X509Certificate[] getAcceptedIssuers() {
        return null;
      }

      public void checkClientTrusted(X509Certificate[] certs, String authType) {
      }

      public void checkServerTrusted(X509Certificate[] certs, String authType) {
      }
    }};

    try {
      SSLContext sslContext = SSLContext.getInstance("TLS");
      sslContext.init(null, trustAllCerts, new java.security.SecureRandom());
      return sslContext.getSocketFactory();
    } catch (NoSuchAlgorithmException | KeyManagementException e) {
      throw new RuntimeException("Failed to create a SSL socket factory", e);
    }
  }

Run Code Online (Sandbox Code Playgroud)

注意。如前所述,忽略证书不是一个好主意。

  • 从 1.12.1 版本开始,validateTLSCertificates 方法已被正式删除。(参见https://jsoup.org/news/release-1.12.1) (2认同)