java网页抓取

　　网页抓取就是，我们想要从别人的网站上得到我们想要的，也算是窃取了，有的网站就对这个网页抓取就做了限制，比如百度

　　直接进入正题

　　

//要抓取的网页地址
String urlStr = "http://**************/center";
URL url = new URL(urlStr);
URLConnection connection = url.openConnection();
//得到网页的编码方式
System.out.println(connection.getContentType());
        
//读取网页的的内容
BufferedReader read = new BufferedReader(new InputStreamReader(url.openStream(), "utf-8"));
File file = new File("d:/test.html");
BufferedWriter write = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(file)));
if(read != null){
String s = null;
while((s = read.readLine()) != null){
    System.out.println(s);
    write.write(s);
    write.flush();
}
read.close();
write.close();

 

　　很简单，大家不用死记硬背，我的这个思想是，

　　　　1.通过一个url打开一个连接

　　　　2.通过这个连接来得到网页的编码方式

　　　　3.通过这个连接打开一个写入流，我这里把这个网页写到我的本地了，大家在练习的时候随意。

　　　　4.进行标准的写入

　　　　5.最重要一步，关闭连接

　　就这么简单的一个小网页抓取。

　　　　防止你的网页被别人抓取试用robots.txt，具体怎么还没研究过，http://www.robotstxt.org/ 这个是官网

　　　　测试你的网站是否生效了，直接http://网站名/robots.txt如果显示，则证明成功。