Question

我正在尝试编写一个java程序来备份远程服务器上的HTTP目录。远程服务器跨越多个VPN /防火墙/无论如何，因此连接并不总是最好的。

所以我首先下载根目录列表并以递归方式遍历这些条目。这是一个简单的单线程程序。

所以我的问题是，有时我得到的HTML已损坏。主要是它在整个文档中有多个Null-Bytes，我可以用replaceAll删除它。但另一件事是，它似乎有两个（或更多？）次的文本块，所以而不是“这是一个文本，请读我。”我得到类似“这是一个teis是xt，请读我。”。如果你删除了副本“is is a”，那就没问题了。整个文档中通常有多个这些重复文本。

当我用浏览器（即Firefox）浏览目录时我没有问题，一切似乎都很好。只是我的下载程序不断收集损坏的数据。

所以这是我的代码片段，它获取HTML列表数据：

        InputStream is = con.getInputStream();
        if ("gzip".equals(con.getContentEncoding())) {
            is = new GZIPInputStream(is);
        }
        int x = 0;
        byte[] data = new byte[1024];
        while ((x = is.read(data, 0, 1024)) >= 0) {
            if (x > 0) {
                retval += new String(data);
            }
        }

任何想法，我做错了什么？

问候！

Answer 1

替换为：
retval += new String(data, 0, x);

如果您阅读的内容少于1024和1024，则会获得前一个循环留下的x +（1024-x）数据

Java程序中的下载有时会损坏

1 个答案: