Question

我想检查特定页面上pdf文件的上次修改时间。 pdf链接为http://www.nfib.com/Portals/0/PDF/sbet/sbet201402.pdf

我正在尝试这样做：

 Connection.Response rs2 = Jsoup.connect("http://www.nfib.com/Portals/0/PDF/sbet/sbet201402.pdf").execute();
    System.out.println("Header = " + rs2.header("Last-Modified"));

我收到此错误

UnsupportedMimeTypeException

Answer 1

如果不必使用Jsoup，您可以使用标准URL和URLConnection类，如

URL url = new URL("http://www.nfib.com/Portals/0/PDF/sbet/sbet201402.pdf");
URLConnection connection = url.openConnection();
System.out.println("Header = " + connection.getHeaderField("Last-Modified"));

您需要记住Jsoup旨在解析HTML / XML，因此默认情况下它需要

类型

text/*, application/xml, or application/xhtml+xml

不是

application/pdf。

如果您查看处理它的代码，它看起来像

if (contentType != null && !req.ignoreContentType() && (!(contentType.startsWith("text/") || contentType.startsWith("application/xml") || contentType.startsWith("application/xhtml+xml"))))
    throw new UnsupportedMimeTypeException("Unhandled content type. Must be text/*, application/xml, or application/xhtml+xml",
            contentType, req.url().toString());

但是!req.ignoreContentType()测试给我们提示我们可以转换需求或纯粹的XML / HTML类型输入。为此，您只需添加

即可

ignoreContentType(true)

连接设置，例如

Connection.Response rs2 = Jsoup.connect("http://www.nfib.com/Portals/0/PDF/sbet/sbet201402.pdf")
        .ignoreContentType(true)
        .execute();

你应该能够阅读返回的标题

System.out.println("Header = " + rs2.header("Last-Modified"));

输出：

Header = Mon, 10 Feb 2014 22:54:15 GMT

如何使用jsoup检查网站上pdf文件的上次修改时间

1 个答案: