如何用java获取网页源代码

如何用java爬取网页源代码

分为3个步骤：

1. 分析实现方式
2. 代码展示
3. 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 <