Java HttpClient抓取12306.cn的各种信息

上周末开始突然有个想法：搞一个火车票的信息查询系统，抓数据写个爬虫然后正则式解析下就OK了，关键技术还是如何破解12306.cn的那垃圾验证码系统。

最近找了个公司去实习，在公司就是做Java的一个小项目，主要工作就是写爬虫，然后Google的时候突然看到一个彩色图片通过Java程序黑白化的过程，黑白图片那就只有0和1啊，然后又无意间看到一篇博客，博主介绍了如何破解12306.cn的验证码的方法，那就正好嘛，搞起，咱也开发一个。

之前听说盛名火车票软件盗取余票网的信息，该余票网就是学长用Python开发的，我不知道他用的是什么方法破解验证码的，但是一个公司写的软件，小小的验证码都搞不定，这也太不应该了，余票网的网址是yupiao.info。

花了两个晚上的时间终于把验证码的代码敲完了，同时也100%通过。上周末算是累死了，白天各种调试傻逼的代码（不是该Java的代码，另一个Python工程的代码），晚上还要写到1点多的Java代码，头都大了，终于在周六晚上把验证码的代码搞定，很满足的去睡觉了。

以为这就可以了，但是我发现我错了，由于对HttpClient包太不了解了，就知道可以模拟浏览器获取网页的数据，但是由于各种傻逼，一直抓到的数据显示验证码输入错误，问了猫哥还是没有解决，Google了各种办法都不行，最后就是注释掉原来的几行代码就可以了，真傻逼。

不过其中也发现了，12306.cn的网站写的也真够2的，整个网页请求的时候Cookie的值从来是不变的，根本在代码中不需要强制设置Cookie值，就直接get请求数据就OK了。

今晚在机房终于看到了我想要的数据，同时也把老师要求的毕设的代码改好了。

明天晚上开始用Perl5Parser包来对抓取到的JS信息进行正则表达式处理，抓取出有用的数据表单，至此工作就应该全部完成了，但是这只是Java控制台版的，没用。

5月份出去面试安卓开发程序员的时候总是被鄙视，总是说我代码基础挺好，就是没做过安卓开发，我就擦了，安卓是什么啊，就那么难学么，fuck。

所以我要用暑假的晚上和周末的空余时间做个安卓版的出来，哥就不信了。

话说回来12306.cn的登录系统用的是另一套验证码系统，这个验证码应该更好破解，网上都有好多源码（貌似），这样就完全可以开发个机器刷票软件嘛，是不是有点邪恶了，太不和谐了。

这些都是预想，刷票功能肯定会开发的，但是只是用来实验和学习使用，不会真正投入使用，貌似扯远了。

总之搞这些玩意，只有一个目的，学习Java，自学安卓开发，争取做个能用的安卓软件出来，将来能找个比较不错的工作。

后记：

12306.cn的网站访问真是慢啊，有两次实验既然直接卡死了，囧，这破系统也就铁道部能开发出来了，鄙视tdb，鄙视gcd，花人民的钱，不为百姓着想。