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. Unity3D 客户端编程

    Photon Server 和 Unity3D 数据交互: Photon Server 服务端编程 Unity3D 客户端编程. VS2017 之 MYSQL实体数据模 1:打开unity新建新项目, ...

  2. 高可用的K8S集群部署方案

    涉及到的内容 LVS HAProxy Harbor etcd Kubernetes (Master Worker) 整体拓补图 以上是最小生产可用的整体拓补图(相关节点根据需要进行增加,但不能减少) ...

  3. 对于synchronized的理解

    一.synchronized 同步关键字,分为同步代码块和同步函数 二.对synchronized的理解(未加static关键字)(以下所说:对同步方法和同步代码块均适用) 对象的创建是以类为模板的 ...

  4. [币严区块链]BitcoinCash - BCH钱包地址生成与扫块充值监控(JAVA版)

    本文的方案无需自建节点,因为BCH当前区块数据大小已经达到200G以上,BTC区块数据也已超过300G,若每个币都自建节点,对云服务器的消耗会非常大. 认识BitcoinCash(BCH) Bitco ...

  5. CNCF 宣布成立应用交付领域小组,正式开启云原生应用时代

    作者|赵钰莹 作为云原生领域的顶级开源社区, Cloud Native Computing Foundation (云原生基金会,以下简称 CNCF)近日宣布成立 Application Delive ...

  6. IDEA基础设置

    1.防止自动更新 去掉 2.文件的隐藏 3.字体的修改: 4.字体格式 5.快捷键设置 --写出方法名,用Ctrl+Shift+Enter键补全. --移动当前行代码,用Ctrl+Shift+上.下. ...

  7. PyCharm2019激活

    PyCharm下载地址:https://www.jetbrains.com/pycharm/download/ 永久激活 这里主要介绍永久激活的方式,永久激活后,就可以放心使用了,一劳永逸,5分钟就能 ...

  8. HTML文档简介

    HTML简介 HTML标签 html文档标签: html源代码就好像word文档,有特殊的语法结构定义自己的功能. html文档标签 html标签,其下由两个主要节点标签head.body. head ...

  9. Jenkins 结合 Docker 为 .NET Core 项目实现低配版的 CI&CD

    随着项目的不断增多,最开始单体项目手动执行 docker build 命令,手动发布项目就不再适用了.一两个项目可能还吃得消,10 多个项目每天让你构建一次还是够呛.即便你的项目少,每次花费在发布上面 ...

  10. pyhon 浅copy

    一般python的copy是没有用的, 但是让你熟悉浅copy给你举个清晰的例子 person = ["name",["money",100]] p1 = pe ...