如何用java爬取网页源代码
分为3个步骤:
- 分析实现方式
- 代码展示
- 结果展示
1、分析
以b站为例 抓取b站的源代码是这样的
那么我可以用URL对象获取HttpURLConnection对象
HttpURLConnection对象:它继承自URLConnection,可用于向指定网站发送GET请求、POST请求。
调用URL中的 openConnection()再通过强转获得连接对象HttpURLConnection
HttpURLConnection 向网页发送请求然后我们读取网页的源代码
在我们发送请求的时候可能有些网址会报一个错误:Server returned HTTP response code: 403 for URL
这个错误的意思大概就是服务器的安全设置不接受Java程序作为客户端访问
这个时候我们需要进行安全设置:
//这个方法是HttpURLConnection中的方法 参数内容具体什么意思我也不知道,反正就是设置安全性
setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");
既然说到读取 那么就需要InputStream输入流 在HttpURLConnection有个 getInputStream()方法 可以获取我们的输入流对象
获取到了输入流就等于是已经拿到了源码
下面展示代码 我会把捕获到的源码写入到txt文件中
2、代码展示
main方法
public static