java抓取网页数据(通过JAVA的API可以顺利的抓取网络上的大部分指定的网页内容)

　　java抓取网页数据(通过JAVA的API可以顺利的抓取网络上的大部分指定的网页内容)

　　通过JAVA API，可以流畅的抓取互联网上大部分指定的网页内容。现在我想和大家分享一下对这种方法的理解和体会。最简单的爬取方法是：

　　Java代码

　　URL url = 新 URL(myurl); BufferedReader br = new BufferedReader(newInputStreamReader(url.openStream())); 字符串 s = ""; StringBuffer sb = new StringBuffer(""); while ((s = br.readLine( )) != null) {i++; sb.append(s+"/r/n");}

　　URL url = new URL(myurl); BufferedReader br = new BufferedReader(newInputStreamReader(url.openStream())); String s = ""; StringBuffer sb = new StringBuffer(""); while ((s = br.readLine()) != null) { i++; sb.append(s+"/r/n"); }

　　这种方法抓取一般的网页应该没有问题，但是当某些网页中存在嵌套的重定向连接时，会报错如服务器重定向次数过多。这是因为这个网页里面有一些代码。如果转到其他网页，循环过多会导致程序出错。如果只想抓取这个URL中网页的内容，又不想被重定向到其他网页，可以使用下面的代码。

　　Java代码

　　URL urlmy = 新 URL(myurl); HttpURLConnection con = (HttpURLConnection) urlmy.openConnection(); con.setFollowRedirects(true); con.setInstanceFollowRedirects(false); 连接（）；BufferedReader br = new BufferedReader(new InputStreamReader( con.getInputStream(),"UTF-8")); 字符串 s = ""; StringBuffer sb = new StringBuffer(""); while ((s = br.readLine()) != null) {sb.append(s+"/r/n");}

　　URL urlmy = new URL(myurl); HttpURLConnection con = (HttpURLConnection) urlmy.openConnection(); con.setFollowRedirects(true); con.setInstanceFollowRedirects(false); con.connect(); BufferedReader br = new BufferedReader(new InputStreamReader(con.getInputStream(),"UTF-8")); String s = ""; StringBuffer sb = new StringBuffer(""); while ((s = br.readLine()) != null) { sb.append(s+"/r/n"); }

　　在这种情况下，程序在爬取时不会跳转到其他页面去抓取其他内容，达到了我们的目的。

　　如果我们在内部网，我们还需要为其添加代理。Java 为具有特殊系统属性的代理服务器提供支持。只需将以下程序添加到上述程序中即可。

　　Java代码

　　System.getProperties().setProperty("http.proxyHost", proxyName); System.getProperties().setProperty( "http.proxyPort", port );

　　System.getProperties().setProperty( "http.proxyHost", proxyName ); System.getProperties().setProperty( "http.proxyPort", port );

　　这样，你就可以在内网中，从网上抓取你想要的东西。

　　上面程序检索到的所有内容都存储在字符串sb中，我们可以通过正则表达式进行分析，提取出我们想要的具体内容，供我使用，呵呵，这多好啊 一件事！！

　　（转载！！！）