Question

我正在使用Selenium 2 Java API与网页进行交互。我的问题是：我如何检测链接目的地的内容类型？

基本上，这是背景：在点击链接之前，我想确保响应是HTML文件。如果没有，我需要以另一种方式处理它。所以，假设有一个PDF文件的下载链接。应用程序应该直接读取该URL的内容，而不是在浏览器中打开它。

目标是让应用程序自动知道当前位置是HTML，PDF，XML还是其他任何使用适当的解析器来从文档中提取有用信息。

更新

添加赏金：将奖励给最佳解决方案，以便我获取给定网址的内容类型。

Answer 1

正如Jochen所说，在不下载内容的情况下获取Content-type的方式是HTTP HEAD，而selenium webdrivers似乎不提供类似的功能。您必须找到另一个库来帮助您获取网址的内容类型。

可以执行此操作的Java库是Apache HttpComponents，尤其是HttpClient。

（以下代码未经测试）

HttpClient httpclient = new DefaultHttpClient();
HttpHead httphead = new HttpHead("http://foo/bar");
HttpResponse response = httpclient.execute(httphead);
BasicHeader contenttypeheader = response.getFirstHeader("Content-Type");

System.out.println(contenttypeheader);

项目发布JavaDoc for HttpClient，HttpClient interface的文档包含一个很好的例子。

Answer 2

您可以找出将处理数据的内容类型。不知道为什么你需要先解决这个问题。如果是这样，请使用HEAD方法并查看Content-Type标题。

Answer 3

您可以从DOM中检索所有URL，然后解析每个URL的最后几个字符（使用java正则表达式）来确定链接类型。

您可以解析最后一个点的字符。例如，在网址http://yoursite.com/whatever/test.pdf中，提取pdf，并相应地强制执行您的测试逻辑。

我是否过度简化了您的问题？

Selenium 2：检测链接目的地的内容类型

3 个答案: