如何在java中获取目录url的文件/目录列表？

Question

假设我有一个URL: http://java.sun.com/j2se/1.5/pdf我想获得pdf目录下所有文件/目录的列表。我正在使用java 5。 我可以通过此程序http://www.httrack.com/获取目录列表。但是使用java我不知道是否可能。

是否有人知道如何在java中获取它或者该程序如何完成java无法完成的工作？

Answer 1

有一些条件：

1. 服务器必须启用目录列表才能查看其内容。
2. 我无法知道（没有API或HTTP动词）来检索列表，因此列表通常显示为普通的HTML页面
3. 您必须解析此HTML页面才能找到条目。

使用像JSoup这样的库可以轻松完成解析。

例如，使用JSoup，您可以像这样在网址http://howto.unixdev.net/获取文档：

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class Sample {
    public static void main(String[] args) throws IOException {
        Document doc = Jsoup.connect("http://howto.unixdev.net").get();
        for (Element file : doc.select("td.right td a")) {
            System.out.println(file.attr("href"));
        }
    }
}

将输出：

beignets.html
beignets.pdf
bsd-pam-ldap.html
ddns-updates.html
Debian_on_HP_dv6z.html
dextop-slackware.html
dirlist.html
downloads/
ldif/
Linux-SharePoint.html
rhfc3-apt.html
rhfc3-apt.tar.bz2
SUNWdsee-Debian.html
SUNWdtdte-b69.html
SUNWdtdte-b69.tar.bz2
tcshrc.html
Test_LVM_Trim_Ext4.html
Tru64-CS20-HOWTO.html

至于你的样本网址http://java.sun.com/j2se/1.5/pdf这是一个找不到的网页，所以我觉得你运气不好。

Answer 2

如果 URL 用于file：protocol，那么您可以将其转换为java.io.File，然后使用这些方法列出目录。

如果 URL 用于http：协议，则没有文件目录的概念，并且您根本无法做您认为想要做的事情。您将不得不退后一步，看看您正在尝试实现的更高级别的要求。

让您的服务器部署Servlet以从其收到的请求指定的文件夹中检索文件列表。在您的客户端，您的应用程序通过提供您打算列出的路径（虚拟？相对？）向服务器发送请求。 servlet将返回从服务器的OS检索到的请求路径中的文件列表。然后，它将文件列表序列化到客户端端点以进行进一步处理。

如果您只能使用HTTP访问权限呈现页面，那么：
使用HTML页面并解析它，给出目录列表以获取文件列表，并使用正则表达式来生成文件名。