Java学习-055-Jsoup爬虫通过设置获取响应数据大小的最大值，解决因默认获取 1MB 响应数据导致的无法获取全部的响应数据内容问题

在日常工作中，通常会遇到获取各种网络数据使用的情况，Java中可使用Jsoup（Python中可使用 BeatifulSoup）进行数据的获取及处理。

今天有朋友问，在使用 Jsoup 进行请求数据时，获取的响应结果信息一直不完整，然后帮忙解决了一下。下面把解决的方法记录下，方便后续遇到的亲，免受搜索却解决不了之苦。

 

解决步骤：

　　1、脚本多次执行时，未发生逻辑异常；

　　2、执行过程中，因接口响应时长原因，有超时响应，默认超时时间为 30 秒；

　　　　更改超时时间为 100秒，如下所示：

Jsoup.connect(url).timeout(100000)

 

　　3、调试爬虫脚本，打印查看每次请求的响应数据大小，发现始终为 1MB；

Jsoup.connect(url).timeout(60000).execute().bodyAsBytes().length / 1024 / 1024

 

　　4、查看 Jsoup 的源码，发现 Jsoup 通过 HttpConnction.Request.maxBodySizeBytes 设置获取的响应数据大小，默认为 1MB，如下所示：

　　通过 Connection.maxBodySize(大小) 设置获取的响应数据大小，如下所示：

　　

 

修改后，再次执行脚本，可成功获取所有的响应内容信息。