jsoup లో HTTP ప్రాక్సీ ద్వారా పేజీని పొందడం

jsoup HTTP ప్రాక్సీ ద్వారా పేజీని పొంది అదే పిలుపులో ప్రతిస్పందనను విశ్లేషించగలదు:

Document page = Jsoup.connect("https://www.example.com/")
    .proxy("proxy.example", 8080)
    .get();

హోస్ట్‌నేమ్ మరియు పూర్ణాంక పోర్ట్ ప్రాక్సీని గుర్తిస్తాయి. అనుమతించబడిన పబ్లిక్ పేజీల అభ్యర్థనల కోసం మీ సేవ లేదా HTTP ప్రాక్సీ జాబితా నుండి HTTP ఎండ్‌పాయింట్‌ను ఎంచుకోండి. connect కు ఇచ్చే URL మీకు కావలసిన పేజీగానే ఉంటుంది. ఈ మార్గాన్ని జోడించడానికి మాత్రమే HTMLను వేరే URLConnectionతో స్ట్రింగ్‌లోకి డౌన్‌లోడ్ చేయాల్సిన అవసరం లేదు.

proxy(String, int) ఆ అభ్యర్థన కోసం HTTP ప్రాక్సీని ఎంచుకుంటుంది. 1080 వంటి పోర్ట్ నంబర్ దాని ప్రోటోకాల్‌ను SOCKSగా మార్చదు; ప్రాక్సీ ఎండ్‌పాయింట్ కాన్ఫిగర్ చేయబడుతున్న రకాన్ని మాట్లాడాలి. jsoup java.net.Proxy ను అంగీకరించే ఓవర్‌లోడ్‌ను కూడా అందిస్తుంది, కానీ నిర్దిష్ట మార్గానికి మద్దతు ఇప్పటికీ ఉపయోగించే HTTP అమలుపై ఆధారపడి ఉంటుంది.

ప్రతి కార్మికుడికి అతని సొంత అభ్యర్థన ఇవ్వండి

అభ్యర్థన-స్థాయి ఎంపిక ప్రతి డౌన్‌లోడ్ చుట్టూ JVM సిస్టమ్ లక్షణాలను మార్చడం కంటే సమాంతర పనిని సులభతరం చేస్తుంది. మారగలిగే అభ్యర్థనను ప్రతి కార్మికుడికి విడిగా ఉంచండి. ఆధునిక jsoup కొత్త అభ్యర్థనను సృష్టిస్తున్నప్పుడు సెషన్ సెట్టింగ్‌లు మరియు కుకీ నిల్వను పంచుకోగలదు:

Connection session = Jsoup.newSession();
Document first = session.newRequest()
    .url("https://www.example.com/one")
    .proxy("proxy-a.example", 8080)
    .get();
Document second = session.newRequest()
    .url("https://www.example.com/two")
    .proxy("proxy-b.example", 8080)
    .get();

పై పిలుపులు స్పష్టత కోసం వరుసగా నడుస్తాయి. పని ఏకకాలంలో పంపిణీ చేయబడితే, నడుస్తున్న ఒక Connection పై ప్రాక్సీని మార్చడం బదులు అభ్యర్థనలను స్వతంత్రంగా సృష్టించండి. పంచుకున్న సెషన్ కుకీలను కూడా పంచుకుంటుంది; బ్రౌజింగ్ గుర్తింపులు వేరుగా ఉండాల్సినప్పుడు వేరే సెషన్‌లను ఉపయోగించండి.

ఈ ఇంటర్‌ఫేస్‌లు jsoup 1.21.2 లో ఉన్నాయి. ఆర్గ్యుమెంట్ లేని newRequest() ఇంటర్‌ఫేస్ 1.14.1 నుండి వచ్చింది, కాబట్టి పాత అప్లికేషన్ సెషన్ ఉదాహరణను స్వీకరించే ముందు దాని ఆధారాన్ని తనిఖీ చేయాలి.

ఆధారాలు ప్రామాణీకరించిన ప్రాక్సీకి అదనపు అవసరం. విజయవంతమైన మార్గ ఎంపిక ఖాతాను అందించదు, మరియు ప్రాక్సీ సవాలును స్వీకరించడం దాని పోర్ట్‌కు కనెక్ట్ కాలేకపోవడం కంటే భిన్నం.