【java爬虫】HttpClient4.5获取网页内容

一.HttpClient获取网页的一般流程

1.创建HttpClient客户端和HttpClientContext对象。

2.创建request请求实例，一般为GET或者POST请求。如果是POST请求，一般会携带表单参数。

3.执行HttpClient的execute(final HttpUriRequest request,final HttpContext context)方法并得到响应。

4.获取CloseableHttpResponse的内容。

5.释放资源。

二.例子

获取百度首页内容

package com.wy;

import java.io.IOException;
import org.apache.commons.io.IOUtils;
import org.apache.http.client.ClientProtocolException;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.client.protocol.HttpClientContext;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;

public class Main {
	public static void main(String args []){
		//HttpClient客户端，就好比一个浏览器
		CloseableHttpClient httpClient = null;
		//HttpClient上下文
		HttpClientContext httpClientContext = null;
		//HttpClient响应
		CloseableHttpResponse response = null;
		String content = null;
		//创建HttpClient客户端,不用多次创建该对象
		httpClient = HttpClients.createDefault();
		//创建默认的上下文
		httpClientContext = HttpClientContext.create();
		//创建一个GET请求
		HttpGet getRequest = new HttpGet("http://www.baidu.cn");
		try {
			//执行上面getRequest请求，并得到响应
			response = httpClient.execute(getRequest, httpClientContext);
			//得到response状态码
			int status = response.getStatusLine().getStatusCode();
			System.out.println("status----" + status);
			/**
			 * 这是Apache的一个IO工具类，将InputStream转换为String.
			 * 将response的InputStream流转换为String
			 * 这里自己手动转换也是可以的
			 */
			content = IOUtils.toString(response.getEntity().getContent());
		} catch (ClientProtocolException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		} finally{
			getRequest.releaseConnection();
		}
		//输出网页内容
		System.out.println(content);
	}
}

执行结果

所需要的包（不知道怎么上传）：