HTTPCLient

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.regex.Matcher;
import java.util.regex.Pattern;


import org.apache.http.Header;
import org.apache.http.HttpEntity;
import org.apache.http.HttpHost;
import org.apache.http.HttpResponse;
import org.apache.http.HttpStatus;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.conn.params.ConnRoutePNames;


import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.util.EntityUtils;




class httpclienttest {


public final static void main(String[] args) throws Exception {


       // 初始化，此处构造函数就与3.1中不同
       HttpClient httpclient = new DefaultHttpClient();


       HttpHost targetHost = new HttpHost("sports.163.com");
       HttpGet httpget = new HttpGet("/");


       // 查看默认request头部信息
       System.out.println("Accept-Charset:" + httpget.getFirstHeader("Accept-Charset"));
       // 以下这条如果不加会发现无论你设置Accept-Charset为gbk还是utf-8，他都会默认返回gb2312（本例针对google.cn来说）
       httpget.setHeader("User-Agent", "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.2)");
       // 用逗号分隔显示可以同时接受多种编码
       httpget.setHeader("Accept-Language", "zh-cn,zh;q=0.5");
       httpget.setHeader("Accept-Charset", "GB2312,utf-8;q=0.7,*;q=0.7");
       // 验证头部信息设置生效
       System.out.println("Accept-Charset:" + httpget.getFirstHeader("Accept-Charset").getValue());


       // Execute HTTP request
       System.out.println("executing request " + httpget.getURI());
      
 HttpResponse response = httpclient.execute(targetHost, httpget);
       //HttpResponse response = httpclient.execute(httpget);


       System.out.println("----------------------------------------");
       System.out.println("Location: " + response.getLastHeader("Location"));
       System.out.println(response.getStatusLine().getStatusCode());
       System.out.println(response.getLastHeader("Content-Type"));
       System.out.println(response.getLastHeader("Content-Length"));
      
       System.out.println("----------------------------------------");


       // 判断页面返回状态判断是否进行转向抓取新链接
       int statusCode = response.getStatusLine().getStatusCode();
       if ((statusCode == HttpStatus.SC_MOVED_PERMANENTLY) ||
            (statusCode == HttpStatus.SC_MOVED_TEMPORARILY) ||
            (statusCode == HttpStatus.SC_SEE_OTHER) ||
            (statusCode == HttpStatus.SC_TEMPORARY_REDIRECT)) {
         // 此处重定向处理   此处还未验证
         String newUri = response.getLastHeader("Location").getValue();
         httpclient = new DefaultHttpClient();
         httpget = new HttpGet(newUri);
         response = httpclient.execute(httpget);
       }


       // Get hold of the response entity
       HttpEntity entity = response.getEntity();
      
       // 查看所有返回头部信息
       Header headers[] = response.getAllHeaders();
       int ii = 0;
       while (ii < headers.length) {
         System.out.println(headers[ii].getName() + ": " + headers[ii].getValue());
         ++ii;
       }
      
       // If the response does not enclose an entity, there is no need
       // to bother about connection release
       if (entity != null) {
         // 将源码流保存在一个byte数组当中，因为可能需要两次用到该流，
          byte[] bytes = EntityUtils.toByteArray(entity);
         String charSet = "";
         
         // 如果头部Content-Type中包含了编码信息，那么我们可以直接在此处获取
          //charSet = EntityUtils.getContentCharSet(entity);
          charSet = charSet + EntityUtils.getContentCharSet(entity);


         System.out.println("In header: " + charSet);
         // 如果头部中没有，那么我们需要 查看页面源码，这个方法虽然不能说完全正确，因为有些粗糙的网页编码者没有在页面中写头部编码信息
         if (charSet == "") {
            String regEx="(?=<meta).*?(?<=charset=[\\'|\\\"]?)([[a-z]|[A-Z]|[0-9]|-]*)";
            Pattern p=Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
            Matcher m=p.matcher(new String(bytes));   // 默认编码转成字符串，因为我们的匹配中无中文，所以串中可能的乱码对我们没有影响
            //result=m.find();
            if (m.groupCount() == 1) {
                   charSet = m.group(1);
            } else {
                   charSet = "";
            }
            if(m.find()){
            System.out.println("Result: " + m.group());
            }
         }
         //System.out.println("Last get: " + charSet);
         // 至此，我们可以将原byte数组按照正常编码专成字符串输出（如果找到了编码的话）
         //System.out.println("Encoding string is: " + new String(bytes, charSet));
       }


       httpclient.getConnectionManager().shutdown();       
}


}