Java获取URL链接的文件类型

最新推荐文章于 2022-12-15 18:12:47 发布

yjshello

最新推荐文章于 2022-12-15 18:12:47 发布

阅读量3.4k

点赞数 1

分类专栏：爬虫 java

爬虫同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

java

1 篇文章 0 订阅

订阅专栏

在写网络爬虫的时候，需要根据链接来获取文件类型，将内容正确存储。之前我都是根据链接的后缀来判断的，比如：

http://img12.360buyimg.com/da/20120330/88_31_ZySDre.jpg

这个链接指向的文件就是个jpg文件。但是后来发现有诸如

http://jprice.360buyimg.com/getSkuPriceImgService.action?skuId=1850001109&origin=1&webSite=1&type=1的链接，这招就不灵了。后来谷歌百度了一下也没发现解决办法。后来机缘巧合在Java Network Programming上找到了一个办法：

URLConnection class provides two static methods to help programs figure out the MIME type of some data; you can use these if the content type just isn't available or if you have reason to believe that the content type you're given isn't correct。

就是说URLConnection提供了两种方法可以猜测（根据实测结果，这个猜测是相当的准）数据的MIME类型。

第一个是：

public static String guessContentTypeFromName(String name)

这个方法根据URL文件部分的后缀名来判断类型，跟之前我的方法一样。这个不能解决上面那个问题。
第二个是：

public static String guessContentTypeFromStream(InputStream in)
这个方法是根据流的前面几个字节来判断类型，这个就不需要文件后缀名了，完全可以解决上面那个问题。

测试代码如下：

 
        BufferedInputStream bis =  
        null 
        ; 
       
        HttpURLConnection urlconnection =  
        null 
        ; 
       
        URL url =  
        null 
        ;          
       
        url =  
        new  
        URL(strUrl); 
       
        urlconnection = (HttpURLConnection) url.openConnection(); 
       
        urlconnection.connect(); 
       
        bis =  
        new  
        BufferedInputStream(urlconnection.getInputStream()); 
       
        System.out.println( 
        "file type:" 
        +HttpURLConnection.guessContentTypeFromStream(bis));