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

  

 1 //要抓取的网页地址
 2 String urlStr = "http://**************/center";
 3 URL url = new URL(urlStr);
 4 URLConnection connection = url.openConnection();
 5 //得到网页的编码方式
 6 System.out.println(connection.getContentType());
 7         
 8 //读取网页的的内容
 9 BufferedReader read = new BufferedReader(new InputStreamReader(url.openStream(), "utf-8"));
10 File file = new File("d:/test.html");
11 BufferedWriter write = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(file)));
12 if(read != null){
13 String s = null;
14 while((s = read.readLine()) != null){
15     System.out.println(s);
16     write.write(s);
17     write.flush();
18 }
19 read.close();
20 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。

posted @ 2013-12-18 17:34  哎呦喂,我的小祖宗╰つ  阅读(211)  评论(0编辑  收藏  举报