如何确定文件是否是来自URL的html？

Question

给定一个URL，如何判断引用的文件是否和html文件？

显然，它是一个html文件，如果它以.html或/结尾，但也有.jsp文件，所以我想知道其他扩展可能是为了html。

或者，如果可以从Java中的URL对象轻松获取此信息，那么这对我的目的就足够了。

Answer 1

你不能。但您可以向服务器询问标题并检查内容类型以查看它是否为text / html。

Answer 2

仅从您不能的网址中，想一想以下网址：

• http://host1/index.html
• http://host2/index.php
• http://host3/index.asp
• http://host4/index.jsp
• http://host5/index.aspx
• 或此问题的网址 - How do you determine if a file is html from the URL?

所有这些都返回HTML内容。唯一可靠的方法是向服务器询问资源，并检查Content-TYpe标头。最好用于向服务器发送HEAD请求，而不是GET或POST - 它只会为您提供标题而不包含内容。

  URL url = ...
  HttpURLConnection urlc = (HttpURLConnection)url.openConnection();
  urlc.setAllowUserInteraction( false );
  urlc.setDoInput( true );
  urlc.setDoOutput( false );
  urlc.setUseCaches( true );
  urlc.setRequestMethod("HEAD");
  urlc.connect();
  String mime = urlc.getContentType();
  if(mime.equals("text/html") {
    // do your stuff
  }

Answer 3

你做不到。使用以.jpeg，.gif或.mp3结尾的网址提供html文件没有任何问题。要知道的唯一方法是获取URL并查看Content-Type标头以查看它是否为text / html（但由于配置不当的Web服务器，这甚至不是100％准确）。

Answer 4

从根本上说，URL只是一个地址。有许多有用的，有意义的约定可以用来破译它们可能包含的内容，但是当它归结为它时，Web服务器可以自由地返回它想要的给定URL的任何类型的东西。甚至不询问服务器，询问返回的内容，并检查它是100％肯定的方式来了解它是什么类型的文件。服务器可以根据请求，时间或日期或其所有者的想法轻松更改它指向的文件类型。

有一些很好的基本指导方针可以在大多数时间使用，但我甚至不愿提及它们，因为它们绝对不可靠。

但是，有一些好消息。如果你实际上是从服务器请求数据，就像其他一些答案所指出的那样，它会准确地告诉你它为你提供了什么样的东西（对于这个特定的交换）。它会在名为“Content-Type”的字段中为您提供MIME类型。如果它是text / html，那么你自己有一个html文档（不是图像，不是xhtml文档，HTML）。

Answer 5

简单地说。你不能。

有REST样式的URL，如

http://yourserver.com/service/givemehtml/

为你提供HTML。

Answer 6

HTML - 超文本标记语言，这意味着html是一个标准，引用* .html意味着有静态HTML页面，其他* .jsp，* .php，* .asp等，它们生成动态html。所以你无法找到，你可以尝试查看内容类型，但这样你仍然会错过一些页面。

Answer 7

你做不到。有时某些URL以.html扩展名结尾，但它实际上不是html文件。就像在spring操作中我通常使用扩展名.html，所以它看起来像来自url的html文件，但事实并非如此。所以实际上你无法确定它。