起因:最近用Htmlunit爬取网页。demo运行起来后,发现速度相当慢,一直在不停的加载js文件,偶尔还会报错,js超时等。抓包工具看了一下请求,发现一直在不停的下载js文件。按理说请求过js文件后,本地是会缓存这些文件的。避免再次从服务器下载,增加服务器压力和降低客户端页面加载速度。由此便开始大量的百度,寻求解决方案。一番操作下来,千篇一律的配置文章看了几十个,但是还是没解决问题。无奈只能沉下气来,重新审视代码。
没想到回来看代码,很快便发现WebClient有一个Cache属性,默认size为40。立即debug一下, 发现其实Cache是有存储文件的。那么很明显是请求的js太多了,设置size到合适的数值,重新debug,速度瞬间上来了,js也缓存上了。贴上配置代码:
1 webClient.getOptions().setActiveXNative(false); 2 webClient.getOptions().setCssEnabled(false); 3 webClient.getOptions().setRedirectEnabled(true); 4 webClient.getOptions().setJavaScriptEnabled(true); 5 webClient.getOptions().setDoNotTrackEnabled(true); 6 webClient.getOptions().setThrowExceptionOnScriptError(false); 7 webClient.getOptions().setThrowExceptionOnFailingStatusCode(false); 8 webClient.getCache().setMaxSize(100);
若爬取的页面不需要渲染js,可以直接设置如下:
webClient.getOptions().setJavaScriptEnabled(false);
直接禁用js。