Question

目前我正在开发一个可用于读取网址指定网站内容的类。我刚刚开始java.io和java.net冒险，所以我需要咨询我的设计。

用法：

TextURL url = new TextURL(urlString);
String contents = url.read();

我的代码：

package pl.maciejziarko.util;

import java.io.*;
import java.net.*;

public final class TextURL
{
    private static final int BUFFER_SIZE = 1024 * 10;
    private static final int ZERO = 0;
    private final byte[] dataBuffer = new byte[BUFFER_SIZE];
    private final URL urlObject;

    public TextURL(String urlString) throws MalformedURLException
    {
        this.urlObject = new URL(urlString);
    }

    public String read() 
    {
        final StringBuilder sb = new StringBuilder();

        try
        {
            final BufferedInputStream in =
                    new BufferedInputStream(urlObject.openStream());

            int bytesRead = ZERO;

            while ((bytesRead = in.read(dataBuffer, ZERO, BUFFER_SIZE)) >= ZERO)
            {
                sb.append(new String(dataBuffer, ZERO, bytesRead));
            }
        }
        catch (UnknownHostException e)
        {
            return null;
        }
        catch (IOException e)
        {
            return null;
        }

        return sb.toString();
    }

    //Usage:
    public static void main(String[] args)
    {
        try
        {
            TextURL url = new TextURL("http://www.flickr.com/explore/interesting/7days/");
            String contents = url.read();

            if (contents != null)
                System.out.println(contents);
            else
                System.out.println("ERROR!");
        }
        catch (MalformedURLException e)
        {
            System.out.println("Check you the url!");
        }
    }
}

我的问题是：这是实现我想要的好方法吗？有没有更好的解决方案？

我特别不喜欢sb.append(new String(dataBuffer, ZERO, bytesRead));，但我无法以不同的方式表达它。每次迭代都创建一个新的String是否合适？我想没有。

还有其他弱点吗？

提前致谢！

Answer 1

请考虑使用URLConnection。此外，您可能希望利用IOUtils中的Apache Commons IO来简化字符串阅读。例如：

URL url = new URL("http://www.example.com/");
URLConnection con = url.openConnection();
InputStream in = con.getInputStream();
String encoding = con.getContentEncoding();  // ** WRONG: should use "con.getContentType()" instead but it returns something like "text/html; charset=UTF-8" so this value must be parsed to extract the actual encoding
encoding = encoding == null ? "UTF-8" : encoding;
String body = IOUtils.toString(in, encoding);
System.out.println(body);

如果您不想使用IOUtils，我可能会在以下内容上重写该行：

ByteArrayOutputStream baos = new ByteArrayOutputStream();
byte[] buf = new byte[8192];
int len = 0;
while ((len = in.read(buf)) != -1) {
    baos.write(buf, 0, len);
}
String body = new String(baos.toByteArray(), encoding);

Answer 2

我强烈建议您使用专用库，例如HtmlParser：

Parser parser = new Parser (url);
NodeList list = parser.parse (null);
System.out.println (list.toHtml ());

编写自己的html解析器是如此松散的时间。这是its maven dependency。请查看its JavaDoc以了解其功能。

观察以下样本应该令人信服：

Parser parser = new Parser(url);
NodeList movies = parser.extractAllNodesThatMatch(
    new AndFilter(new TagNameFilter("div"),
    new HasAttributeFilter("class", "movie")));

Answer 3

除非这是为了学习而想要编码的某种练习......我不会重新发明轮子，我会使用HttpURLConnection。

HttpURLConnection提供了良好的封装机制来处理HTTP协议。例如，您的代码无法使用HTTP重定向，HttpURLConnection会为您解决此问题。

Answer 4

您可以将InputStream打包到InputStreamReader，并可以使用it's read() method直接读取字符数据（请注意，应在创建时指定编码Reader，但找出任意网址的编码并非易事。然后只需使用您刚刚阅读的char[]（以及正确的偏移量和长度）调用sb.append()。

Answer 5

嘿请使用这些代码行，它会对你有帮助..

 <!DOCTYPE html>
    <html>
        <head>
            <script src="http://ajax.googleapis.com/ajax/libs/jquery/1.10.2/jquery.min.js"></script>
            <meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
            <title>JSP Page</title>

        </head>
        <body>
            <h1>Hello World!</h1> 






        URL uri= new URL("Your url");
        URLConnection ec = uri.openConnection();
        BufferedReader in = new BufferedReader(new InputStreamReader(
                ec.getInputStream(), "UTF-8"));
        String inputLine;
        StringBuilder a = new StringBuilder();
        while ((inputLine = in.readLine()) != null)
            a.append(inputLine);
        in.close();

        out.println(a.toString());

Answer 6

我知道这是一个老问题，但我相信其他人也会发现它。

如果你不介意额外的依赖，这是一个非常简单的方法

Jsoup.connect("http://example.com/").get().toString()

您需要一个Jsoup库，但您可以使用maven / gradle快速添加它，它还允许操作页面内容并查找特定节点。

将网站内容读入字符串

6 个答案: