Java发送Http请求，解析html返回

来源：互联网发布：手机移动网络不可用编辑：程序博客网时间：2024/05/03 00:34

今天是2008年7月7日星期一，下午一直在学校做个人开始页面。因为离不开google的翻译，所以想把google的翻译整合到我的开始页面中来，于是乎就遇到了一个问题，怎样使用java程序发送http请求然后截获远程服务器返回的数据进行适当处理之后再输出？另外，google的翻译页面是使用post的方法提交数据的，无法直接通过网址进行处理，于是乎，这又涉及到了一个怎样使用java去post数据的问题。
经过拜读百度知道的提问（花了我20分），找到了一个htmlparser的jar包组件，据说是可以很高效率的进行html的解析。于是乎，立马下载了一个过来。（文后附件中有）试了一下果然不错。同时，在这个过程中也学会了怎样利用java来和其它网站交互，这可是一个非常不错的功能，配合htmlparser，可以随心所欲的截取别人网站的信息了！
废话不多说了，下面是具体的使用步骤。

首先，向一个Web站点发送POST请求只需要简单的几步:
注意，这里不需要导入任何第三方包

Java代码：

package com.test; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.URL; import java.net.URLConnection; public class TestPost { public static void testPost() throws IOException { /** * 首先要和URL下的URLConnection对话。 URLConnection可以很容易的从URL得到。比如： // Using * java.net.URL and //java.net.URLConnection */ URL url = new URL("http://www.faircanton.com/message/check.asp"); URLConnection connection = url.openConnection(); /** * 然后把连接设为输出模式。URLConnection通常作为输入来使用，比如下载一个Web页。 * 通过把URLConnection设为输出，你可以把数据向你个Web页传送。下面是如何做： */ connection.setDoOutput(true); /** * 最后，为了得到OutputStream，简单起见，把它约束在Writer并且放入POST信息中，例如： ... */ OutputStreamWriter out = new OutputStreamWriter(connection .getOutputStream(), "8859_1"); out.write("username=kevin&password=*********"); //post的关键所在！ // remember to clean up out.flush(); out.close(); /** * 这样就可以发送一个看起来象这样的POST： * POST /jobsearch/jobsearch.cgi HTTP 1.0 ACCEPT: * text/plain Content-type: application/x-www-form-urlencoded * Content-length: 99 username=bob password=someword */ // 一旦发送成功，用以下方法就可以得到服务器的回应： String sCurrentLine; String sTotalString; sCurrentLine = ""; sTotalString = ""; InputStream l_urlStream; l_urlStream = connection.getInputStream(); // 传说中的三层包装阿！ BufferedReader l_reader = new BufferedReader(new InputStreamReader( l_urlStream)); while ((sCurrentLine = l_reader.readLine()) != null) { sTotalString += sCurrentLine + "/r/n"; } System.out.println(sTotalString); } public static void main(String[] args) throws IOException { testPost(); } }

执行的结果：（果真是返回了验证后的html阿！神奇！）

Html代码

<html>  <head>  <meta http-equiv="Content-Type" content="text/html; charset=gb2312" />  <title>账户已经冻结</title>  <mce:style type="text/css"></mce:style><style type="text/css" mce_bogus="1">   .temp {       font-family: Arial, Helvetica, sans-serif;       font-size: 14px;       font-weight: bold;       color: #666666;       margin: 10px;       padding: 10px;       border: 1px solid #999999;   }   .STYLE1 {color: #FF0000}</style>  </head>    <body>  <p> </p>  <p> </p>  <p> </p>  <table width="700" border="0" align="center" cellpadding="0" cellspacing="0" class="temp">    <tr>      <td width="135" height="192"><div align="center"><img src="images/err.jpg" mce_src="images/err.jpg" width="54" height="58"></div></td>      <td width="563"><p><span class="STYLE1">登录失败</span><br>          <br>      您的帐户活跃指数低于系统限制，您的帐户已经被暂时冻结。<br>      请您联系网络主管或者人事主管重新激活您的帐户。</p>      </td>    </tr>  </table>  <p> </p>  </body>  </html>

一些Web站点用POST形式而不是GET，这是因为POST能够携带更多的数据，而且不用URL，这使得它看起来不那么庞大。使用上面列出的大致的代码，Java代码可以和这些站点轻松的实现对话。

得到html以后，分析内容就显得相对轻松了。现在就可以使用htmlparser了，下面是一个简单的示例程序，过多的解释我就不说了，相信代码能够说明一切的！

Java代码

package com.test;     import org.htmlparser.Node;   import org.htmlparser.NodeFilter;   import org.htmlparser.Parser;   import org.htmlparser.filters.TagNameFilter;   import org.htmlparser.tags.TableTag;   import org.htmlparser.util.NodeList;     /**  * 标题:利用htmlparser提取网页纯文本的例子  */  public class TestHTMLParser {     public static void testHtml() {       try {           String sCurrentLine;           String sTotalString;           sCurrentLine = "";           sTotalString = "";           java.io.InputStream l_urlStream;           java.net.URL l_url = new java.net.URL("http://www.ideagrace.com/html/doc/2006/07/04/00929.html");           java.net.HttpURLConnection l_connection = (java.net.HttpURLConnection) l_url.openConnection();           l_connection.connect();           l_urlStream = l_connection.getInputStream();           java.io.BufferedReader l_reader = new java.io.BufferedReader(new java.io.InputStreamReader(l_urlStream));           while ((sCurrentLine = l_reader.readLine()) != null) {             sTotalString += sCurrentLine+"/r/n";           //  System.out.println(sTotalString);           }           String testText = extractText(sTotalString);           System.out.println( testText );         } catch (Exception e) {           e.printStackTrace();       }       }         public static String extractText(String inputHtml) throws Exception {       StringBuffer text = new StringBuffer();       Parser parser = Parser.createParser(new String(inputHtml.getBytes(),"GBK"), "GBK");       // 遍历所有的节点       NodeList nodes = parser.extractAllNodesThatMatch(new NodeFilter() {           public boolean accept(Node node) {             return true;           }       });         System.out.println(nodes.size()); //打印节点的数量       for (int i=0;i<nodes.size();i++){            Node nodet = nodes.elementAt(i);            //System.out.println(nodet.getText());            text.append(new String(nodet.toPlainTextString().getBytes("GBK"))+"/r/n");                 }       return text.toString();     }         public static void test5(String resource) throws Exception {       Parser myParser = new Parser(resource);       myParser.setEncoding("GBK");       String filterStr = "table";       NodeFilter filter = new TagNameFilter(filterStr);       NodeList nodeList = myParser.extractAllNodesThatMatch(filter);       TableTag tabletag = (TableTag) nodeList.elementAt(11);             }       public static void main(String[] args) throws Exception {       // test5("http://www.ggdig.com");       testHtml();     }   }