本文主要是介绍java学习-GET方式抓取网页(UrlConnection和HttpClient) 参考,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
URL:http://www.cnblogs.com/gne-hwz/p/6952312.html
抓取网页其实就是模拟客户端(PC端,手机端。。。)发送请求,获得响应数据documentation,解析对应数据的过程。---自己理解,错误请告知
一般常用请求方式有GET,POST,HEAD三种
GET请求的数据是作为url的一部分,对于GET请求来说,附带数据长度有限制,数据安全性低
POST请求,数据作为标准数据传输给服务器,数据长度没有限制,数据通过加密传输,安全性高
HEAD类似于get请求,只不过返回的响应中没有具体的内容,用于获取报头
闲话少说。
通过GET请求获取网页
UrlConnection下载网页通过InputStream读取数据,通过FileOutPutStream将数据写入文件
public class DownloadHtml {/*** 方法说明:用于下载HTML页面*@param SrcPath 下载目标页面的URL*@param filePath 下载得到的HTML页面存放本地目录*@param fileName 下载页面的名字*/public static void downloadHtmlByNet(String SrcPath,String filePath,String fileName){try{URL url = new URL(SrcPath);URLConnection conn = url.openConnection();//设置超时间为3秒conn.setConnectTimeout(3*1000);//防止屏蔽程序抓取而返回403错误conn.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");//输出流InputStream str = conn.getInputStream();//控制流的大小为1kbyte[] bs = new byte[1024];//读取到的长度int len = 0;//是否需要创建文件夹File saveDir = new File(filePath); if(!saveDir.exists()){ saveDir.mkdir(); } File file = new File(saveDir+File.separator+fileName); //实例输出一个对象FileOutputStream out = new FileOutputStream(file);//循环判断,如果读取的个数b为空了,则is.read()方法返回-1,具体请参考InputStream的read();while ((len = str.read(bs)) != -1) {//将对象写入到对应的文件中out.write(bs, 0, len); }//刷新流 out.flush();//关闭流 out.close();str.close(); System.out.println("下载成功");}catch (Exception e) {e.printStackTrace();}}//测试public static void main(String[] args) {//下载网页
url是要下载的指定网页,filepath存放文件的目录如d:/resource/html/ ,filename指文件名如"下载的网页.html"
downloadHtmlByNet(url,filepath,filename);} }
HttpClient是Apache Jakarta Common 下的子项目。提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包
public static void downloadHtmlByNet(String SrcPath,String filePath,String fileName){DefaultHttpClient httpClient=new DefaultHttpClient();//初始化httpclientBasicHttpParams httpParams=new BasicHttpParams();//初始化参数
//模拟浏览器访问防止屏蔽程序抓取而返回403错误
user_agent="Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36
user_agent="Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)"
httpParams.setParameter("http.useragent", user_agent);httpClient.setParams(httpParams);try {HttpGet httpGet=new HttpGet(SrcPath);HttpContext httpContext=new BasicHttpContext();HttpResponse httpResponse=httpClient.execute(httpGet,httpContext);HttpEntity entity=httpResponse.getEntity();if(entity!=null){writeToFile(entity,filePath,fileName);//将entity内容输出到文件}} catch (ClientProtocolException e) {// TODO Auto-generated catch block
e.printStackTrace();} catch (IOException e) {// TODO Auto-generated catch block
e.printStackTrace();}finally {httpClient.getConnectionManager().shutdown();}}
private static void writeToFile(HttpEntity entity, String filepath, String filename) {//输出流try{InputStream str = entity.getContent();//控制流的大小为1kbyte[] bs = new byte[1024];//读取到的长度int len = 0;//是否需要创建文件夹File saveDir = new File(filePath); if(!saveDir.exists()){saveDir.mkdir(); }File file = new File(saveDir+File.separator+fileName);//实例输出一个对象FileOutputStream out = new FileOutputStream(file);//循环判断,如果读取的个数b为空了,则is.read()方法返回-1,具体请参考InputStream的read();while ((len = str.read(bs)) != -1) {//将对象写入到对应的文件中out.write(bs, 0, len); }//刷新流 out.flush();//关闭流 out.close();str.close(); System.out.println("下载成功");}catch(Exception e){e.printStackTrace();}}
这篇关于java学习-GET方式抓取网页(UrlConnection和HttpClient) 参考的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!