完美解决jsoup获取响应内容不完整
Jsoup抓取网页只能抓取一部分不能完整获取响应内容时,一般有以下几个原因。
1. 网络异常,这个很少发生,jsoup会报告exception
2. 网络超时,可以设置 connection.timeout(n) 增加超时时间。
3. 看起来都正常,没有异常发生。 但是获取的数据就是少了一截。
如果获取到的数据不超过1024k,程序正常,得到的数据也正常。
一旦数据超过1024k时,数据就只有预期得到数据的前1024k字节了。
仔细查找jsoup的api 发现,默认设置下,jsoup最大获取的响应长度正好时1M。
所以这个时候只要设置 connection.maxBodySize(0),设置为0,就可以得到不限响应长度的数据了。
网上有人这样写说可以解决
Document = Jsoup.connect(url)
.header("Accept-Encoding", "gzip, deflate")
.userAgent("Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0")
.maxBodySize(0)
.timeout(600000)
.get();
经过测试,这样还是不能解决。
最终发现,下面这样写才能完美解决:
Response resp = Jsoup.connect(url)
.timeout(60000)
.method(Connection.Method.GET)
.maxBodySize(0)
.followRedirects(false)
.execute();
String htmlStr = new String(resp.bodyAsBytes());
无聊看看网原创,转载请注明出处!