首先需要下载好HttpClient,直接百度搜,很容易下载的,也可以从 http://hc.apache.org/downloads.cgi 网站下载
在此我使用的是4.3的版本。HttpClient的javaDoc API说明文档可以在httpcomponents-core-4.3-bin.zip中找到
使用HttpClient获取网页内容的过程是:首先创建一个CloseableHttpClient类的实例,然后使用这个实例执行http请求,得到一个HttpResponse的实例,最后通过HttpResponse的实例得到返回的二进制流,二进制流封装在HttpEntity中,根据指定的字符集把二进制流转换成字符串,完成下载。
在学习这个过程中,出现了很多错误,查阅了很多资料,但是始终发现不了错误,最后才发现,不是代码错了,而是在程序中有很多import,有些import错了,所以在出现错误时注意看看有没有import的错误
下面是代码,以山东大学的主页为例:
package java爬虫;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import org.apache.http.HttpEntity;
import org.apache.http.HttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClientBuilder;
import org.apache.http.util.EntityUtils;
import org.omg.CORBA.portable.InputStream;
public class first {
public static void main(String[] args) throws IOException {
// TODO Auto-generated method stub
//创建一个客户端。类似于打开一个浏览器
CloseableHttpClient httpclient=HttpClientBuilder.create().build();
//创建一个get方法,类似于在浏览器地址栏中输入一个地址
HttpGet httpget=new HttpGet("http://www.sdu.edu.cn/");
//类似于在浏览器中输入回车,获得网页内容
HttpResponse response=httpclient.execute(httpget);
//查看返回的内容。类似于在浏览器中查看网页源代码
HttpEntity entity=response.getEntity();
//如果返回的内容不是空的话
if(entity!=null) {
//读入内容流。并以字符串的形式返回,在这里指定网页的编码是gbk
String content=EntityUtils.toString(entity,"gbk");
//输出内容
System.out.println(content);
//关闭内容流
EntityUtils.consume(entity);
}
//释放连接
httpclient.close();
}
}