如何在 Java 中获取 HTML

Question

在不使用任何外部库的情况下，将网站的 HTML 内容提取到字符串中的最简单方法是什么？

Answer 1

我目前正在使用这个：

String content = null;
URLConnection connection = null;
try {
  connection =  new URL("http://www.google.com").openConnection();
  Scanner scanner = new Scanner(connection.getInputStream());
  scanner.useDelimiter("\\Z");
  content = scanner.next();
  scanner.close();
}catch ( Exception ex ) {
    ex.printStackTrace();
}
System.out.println(content);

但不确定是否有更好的方法。

Answer 2

它不是库，而是一个名为curl的工具，通常安装在大多数服务器中，或者您可以通过以下方式轻松安装在ubuntu中然后

sudo apt install curl

获取任何html页面并将其存储到本地文件（如示例）

curl https://www.facebook.com/ > fb.html

您将获得主页html。您可以运行它也在您的浏览器中。

Answer 3

这对我来说效果很好：

URL url = new URL(theURL);
InputStream is = url.openStream();
int ptr = 0;
StringBuffer buffer = new StringBuffer();
while ((ptr = is.read()) != -1) {
    buffer.append((char)ptr);
}

不确定提供的其他解决方案是否更有效。

Answer 4

我刚刚在您的其他帖子中留下了这篇文章，尽管你上面的方法也可能有效。 我认为其中任何一个都不比另一个更容易。 只需在代码顶部使用 import org.apache.commons.HttpClient 即可访问 Apache 包。

编辑：忘记链接了；）

Answer 5

 try {
        URL u = new URL("https"+':'+'/'+'/'+"www.Samsung.com"+'/'+"in"+'/');
        URLConnection urlconnect = u.openConnection();
        InputStream stream = urlconnect.getInputStream();
        int i;
        while ((i = stream.read()) != -1) {
            System.out.print((char)i);
        }
    }
    catch (Exception e) {
        System.out.println(e);
    }

Answer 6

虽然不是普通的 Java，但我将提供一个更简单的解决方案。 使用 Groovy ;-)

String siteContent = new URL("http://www.google.com").text