这个java获取网络资源以前也写过不少

最近用到又重新写了一个,apache.commons.io中的例子就非常好,但是无法对请求进行详细设置

于是大部分照搬,局部替换以设置请求头

如需更加复杂的设置,可以考虑使用同为apche的httpComponents


**
```java
package boot.example;

import org.apache.commons.io.FileUtils;

import org.apache.commons.io.IOUtils;

import java.io.*;

import java.net.HttpURLConnection;

import java.net.URL;

/**

  • Created by wq on 2017/6/6.

    */

    public class Download {

    public static void main(String[] args) {

    Download download = new Download();

    String url = "http://img1.3lian.com/2015/w7/85/d/21.jpg";

    String path1 = "E:\1.jpg";

    String path2 = "E:\2.jpg";

    String path3 = "E:\3.jpg";

    String url2="http://www.baidu.com";

    try {

    download.apacheCommonsIoDownload(url, path1);

    } catch (Exception e) {

    e.printStackTrace();

    }

    try {

    download.pureJavaNetDownload(url, path2);

    } catch (Exception e) {

    e.printStackTrace();

    }

    try {

    download.mixedDownload(url, path3);

    } catch (Exception e) {

    e.printStackTrace();

    }

    try{

    download.getContentAsString(url2);

    }catch (Exception e){

    e.printStackTrace();

    }

    }

    private void apacheCommonsIoDownload(String urlstr, String path) throws Exception {

    apacheCommonsIoDownload(urlstr, new File(path));

    }

    private void apacheCommonsIoDownload(String urlstr, File file) throws Exception {

    FileUtils.copyURLToFile(new URL(urlstr), file);

    }

    private void pureJavaNetDownload(String urlstr, String path) throws Exception {

    pureJavaNetDownload(urlstr, new File(path));

    }

    //无需依赖

    private void pureJavaNetDownload(String urlstr, File file) throws Exception {

    URL url = new URL(urlstr);

    HttpURLConnection httpURLConnection = (HttpURLConnection) url.openConnection();

    httpURLConnection.setRequestMethod("GET");

    //有的网站屏蔽程序抓取 添加User-Agent头信息以避免403

    httpURLConnection.setRequestProperty("User-Agent", "Mozilla/4.0");

    httpURLConnection.setConnectTimeout(10000);

    httpURLConnection.setReadTimeout(10000);

    // httpURLConnection.set...更多请求设置

    httpURLConnection.connect();

    InputStream is = httpURLConnection.getInputStream();

    // 不需要设置可以直接下面 也就是org.apache.commons.io.FileUtils中copyURLToFile(URL source, File destination)的写法

    // InputStream is=url.openStream();

    try {

    FileOutputStream fos = new FileOutputStream(file);

    try {

    // 照搬org.apache.commons.io.IOUtils

    // IOUtils.copy(InputStream input, OutputStream output) 开始

    byte[] buffer = new byte[1024 * 4];

    int n;

    while (-1 != (n = is.read(buffer))) {

    fos.write(buffer, 0, n);

    }

    // IOUtils.copy(InputStream input, OutputStream output) 结束

    } finally {

    try {

    if (is != null) {

    fos.close();

    }

    } catch (IOException ioe) {

    // ignore

    }

    }

    } finally {

    try {

    if (is != null) {

    is.close();

    }

    } catch (IOException ioe) {

    // ignore

    }

    }

    }

    private void mixedDownload(String urlstr, String path) throws Exception {

    mixedDownload(urlstr, new File(path));

    }

    //使用IOUtils减少代码量 弃用FileUtils以对请求进行详细设置 推荐

    private void mixedDownload(String urlstr, File file) throws Exception {

    URL url = new URL(urlstr);

    HttpURLConnection httpURLConnection = (HttpURLConnection) url.openConnection();

    httpURLConnection.setRequestMethod("GET");

    httpURLConnection.setRequestProperty("User-Agent", "Mozilla/4.0");

    httpURLConnection.setConnectTimeout(10000);

    httpURLConnection.setReadTimeout(10000);

    httpURLConnection.connect();

    InputStream is = httpURLConnection.getInputStream();

    try {

    FileOutputStream output = FileUtils.openOutputStream(file);

    try {

    IOUtils.copy(is, output);

    } finally {

    IOUtils.closeQuietly(output);

    }

    } finally {

    IOUtils.closeQuietly(is);

    }

    }

    private void getContentAsString(String urlstr) throws Exception {

    URL url = new URL(urlstr);

    InputStream is=url.openStream();

    ByteArrayOutputStream bos=new ByteArrayOutputStream();

    IOUtils.copy(is, bos);

    System.out.println(bos.toString());

    }

    }

旧瓶新酒-获取网络资源即爬取下载页面内容(图片、html、css、js等)的更多相关文章

  1. java实现多线程使用多个代理ip的方式爬取网页页面内容

    项目的目录结构 核心源码: package cn.edu.zyt.spider; import java.io.BufferedInputStream; import java.io.FileInpu ...

  2. scrapy(四): 爬取二级页面的内容

    scrapy爬取二级页面的内容 1.定义数据结构item.py文件 # -*- coding: utf-8 -*- ''' field: item.py ''' # Define here the m ...

  3. Scrapy爬取静态页面

    Scrapy爬取静态页面 安装Scrapy框架: Scrapy是python下一个非常有用的一个爬虫框架 Pycharm下: 搜索Scrapy库添加进项目即可 终端下: #python2 sudo p ...

  4. UI自动化之特殊处理四(获取元素属性\爬取页面源码\常用断言)

    获取元素属性\爬取页面源码\常用断言,最终目的都是为了验证我们实际结果是否等于预期结果 目录 1.获取元素属性 2.爬取页面源码 3.常用断言 1.获取元素属性 获取title:driver.titl ...

  5. scrapy模拟浏览器爬取验证码页面

    使用selenium模块爬取验证码页面,selenium模块需要另外安装这里不讲环境的配置,我有一篇博客有专门讲ubuntn下安装和配置模拟浏览器的开发 spider的代码 # -*- coding: ...

  6. [Python_scrapy图片爬取下载]

    welcome to myblog Dome地址 爬取某个车站的图片 item.py 中 1.申明item 的fields class PhotoItem(scrapy.Item): # define ...

  7. 爬取百度页面代码写入到文件+web请求过程解析

    一.爬取百度页面代码写入到文件 代码示例: from urllib.request import urlopen #导入urlopen包 url="http://www.baidu.com& ...

  8. 使用BeautifulSoup自动爬取微信公众号图片

    爬取微信分享的图片,根据不同的页面自行修改,使用BeautifulSoup爬取,自行格局HTML修改要爬取图片的位置 import re import time import requests imp ...

  9. Python爬取 | 唯美女生图片

    这里只是代码展示,且复制后不能直接运行,需要配置一些设置才行,具体请查看下方链接介绍: Python爬取 | 唯美女生图片 from selenium import webdriver from fa ...

随机推荐

  1. CF996B World Cup 思维 第十四 *

    World Cup time limit per test 1 second memory limit per test 256 megabytes input standard input outp ...

  2. XML序列化CDATA

    不可避免的遇到对接需要使用XML文档的第三方系统,某些节点内容特殊,序列化时需特殊处理,解决方案是实现IXmlSerializable接口. /// <summary> /// Perso ...

  3. 微信小程序 自定义组件 多列选择器 对象数组 ObjectArray 自关联 三级联动

    使用方法 在 Page.json 注册组件 { "usingComponents": { "address-picker": "/component/ ...

  4. Android Activity启动耗时统计方案

    作者:林基宗 Activity的启动速度是很多开发者关心的问题,当页面跳转耗时过长时,App就会给人一种非常笨重的感觉.在遇到某个页面启动过慢的时候,开发的第一直觉一般是onCreate执行速度太慢了 ...

  5. git-基础命令使用

    1. 创建版本库     什么是版本库你?版本库有名仓库,英文名repository,你可以简单理解成一个目录,这个目录里面的所有文件都可以被git管理起来,每个文件的修改.删除.git都能跟踪,以便 ...

  6. oracle用imp导入dmp文件

    oracle命令行登录 sqlplus 用户名/密码 创建用户 create user 用户 identified by 密码 ; 创建表空间 create tablespace 表空间名 dataf ...

  7. FreeSql (十六)分页查询

    IFreeSql fsql = new FreeSql.FreeSqlBuilder() .UseConnectionString(FreeSql.DataType.MySql, "Data ...

  8. Android开发必看知识

    奇艺高清UI界面源代码 http://www.eoeandroid.com/thread-160824-1-1.html 搜索关键字飞入飞出效果 http://www.eoeandroid.com/t ...

  9. python根据搜索词下载百度图片

    # coding=utf-8 """根据搜索词下载百度图片""" import re import urllib import os def ...

  10. python+selenium调用chrome打开网址获取内容

    目录 1,安装selenium和配置chromedriver 2,调用chromedriver打开网页获取网页内容 3,模拟登陆百度云 附录(webdriver版本兼容列表) 通过selenium库, ...