首先在获取html页面的源代码之前..
要准备Apache里面的两个包:
htmllexer.jar
htmlparser.jar
有了这两个包方便,抓取网页中的源代码,抓取之后,生成一个txt文档..如果要获取里面的内容..就自己处理下就好了..
具体代码如下:
package pack.java.url;
import java.io.File;
import java.io.FileOutputStream;
import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
public class Test {
/**
* 测试方法;
* @param args
* @throws Exception
*/
public static void main(String[] args) throws Exception{
// TODO Auto-generated method stub
String url="http://www.baidu.com/";
//创建一个parser对象;
Parser parser=new Parser(url);
//设置字符编码格式;
parser.setEncoding("gb2312");
NodeList list=parser.parse(null);
//输出;
FileOutputStream outputStream = new FileOutputStream(new File("C:/pageData.txt"));
outputStream.write(list.toHtml().getBytes());
}
}