认识URL类
URL 代表一个统一资源定位符,它是指向互联网“资源”的指针。资源可以是简单的文件或目录,也可以是更为复杂的对象的引用,例如对数据库或搜索引擎的查询。 简单的可以把URL理解为包含:协议、主机名、端口、路径、查询字符串和参数等对象。每一段可以独立设置。 应用程序也可以指定一个“相对 URL”,它只包含到达相对于另一个 URL 的资源的足够信息。HTML 页面中经常使用相对 URL. 相对 URL 不需要指定 URL 的所有组成部分。如果缺少协议、主机名称或端口号,这些值将从完整指定的 URL 中继承。由于 URL 不懂 URL 转义,所以它不会识别同一 URL 的对等编码和解码形式。 注意,URI 类在某些特定情况下对其组成字段执行转义。建议使用 URI 管理 URL 的编码和解码,并使用 toURI() 和 URI.toURL() 实现这两个类之间的转换。也可以使用 URLEncoder 和 URLDecoder 类,但是只适用于 HTML 形式的编码,它与 RFC2396 中定义的编码机制不同。 (以上介绍来自Java API doc)
1、创建一个url对象
getProtocol() 获取该URL的协议名。
getHost() 获取该URL的主机名。
getPort() 获取该URL的端口号,如果没有设置端口,返回-1。
getFile() 获取该URL的文件名。
getRef() 获取该URL在文件中的相对位置。
getQuery() 获取该URL的查询信息。
getPath() 获取该URL的路径
getAuthority() 获取该URL的权限信息
getUserInfo() 获得使用者的信息
getRef() 获得该URL的锚
getHost() 获取该URL的主机名。
getPort() 获取该URL的端口号,如果没有设置端口,返回-1。
getFile() 获取该URL的文件名。
getRef() 获取该URL在文件中的相对位置。
getQuery() 获取该URL的查询信息。
getPath() 获取该URL的路径
getAuthority() 获取该URL的权限信息
getUserInfo() 获得使用者的信息
getRef() 获得该URL的锚
public static void test1(){
try {
//URL url = new URL(spec);
URL url = new URL("http://baidu.com");
System.out.println("获取该URL的协议名:" + url.getProtocol());
System.out.println("获取该URL的主机名:" + url.getHost());
System.out.println("获取该URL的端口号,如果没有设置端口,返回-1:" + url.getPort());
System.out.println("获取该URL的文件名:" + url.getFile());
System.out.println("获取该URL在文件中的相对位置:" + url.getRef());
System.out.println("获取该URL的查询信息:" + url.getQuery());
System.out.println("获取该URL的路径:" + url.getPath());
System.out.println("获取该URL的权限信息:" + url.getAuthority());
System.out.println("获得使用者的信息:" + url.getUserInfo());
System.out.println("获得该URL的锚:" + url.getRef());
} catch (MalformedURLException e) {
e.printStackTrace();
}
}
2、从网上获取网页代码并保存在本地
/**
* 使用URL类抓取网页上的内容并保存到本地
*/
public static void test1(){
//声明一个content变量,用来装载抓取到的网页内容
//StringBuffer对象的初始化不像String类的初始化一样,主要用于拼接字符串 是一个可变长的字符窜
StringBuffer content = new StringBuffer();
try {
//创建url对象
URL url = new URL("http://ip138.com");
//openConnection() 对影响到远程资源连接的参数进行操作。
URLConnection conn = url.openConnection();
//获取网页的代码内容
InputStream fis = conn.getInputStream();
//读取获得的内容(注意:要看你抓取网页的编码,不然会出现乱码)
Scanner scanner = new Scanner(fis,"gb2312");
//使用printWriter类编辑my.txt文件
PrintWriter pw = new PrintWriter("my.txt");
while(scanner.hasNextLine()){
//System.out.println(scanner.nextLine()+"\r\n");
//将读取到的网页内容,按行的添加在content中
content.append(scanner.nextLine()).append("\r\n");
//将读取的内容写入my.txt文件中
pw.println(content);
pw.flush();
}
scanner.close();
fis.close();
pw.close();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}