Java发送Http请求，解析html返回

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();   
  }   
}

posted @ 2011-05-20 22:07 Java EE 阅读(2563) 评论(0) 编辑收藏举报

刷新页面返回顶部

Java EE

Java发送Http请求，解析html返回

公告