HttpClient抓取网页文件方法

用httpclient-4.0.jar,httpcore-4.0.1.jar抓取页面内容的方法
public class ParsePage {

 /**
  *
  * 根据baseUrl读取页面信息
  *
  * @throws Exception
  */
 public String parseURLContent(String url)
   throws Exception {
  String resultString = "";
  HttpClient client = new DefaultHttpClient();
  HttpUriRequest request = new HttpGet(url);
  HttpResponse response = client.execute(request);
  HttpEntity entity = response.getEntity();
  InputStream in = entity.getContent();
  byte bytes[] = new byte[1024 * 1024];

  while (-1 != in.read(bytes, 0, 1024 * 1024))
  {
   resultString += new String(bytes, "UTF-8");
  }
  return this.parseResult(resultString);
  
 }

 

 // 提取页面信息
 private String getResponseMessage(String result) {
  String regex = "<title>.*?</title>";
  Pattern pa = Pattern.compile(regex, Pattern.DOTALL);
  Matcher ma = pa.matcher(result);
  while (ma.find()) {
   return ma.group();
  }
  return "";
 }

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值