java抓取网页内容( Java爬虫爬取网页内容网页内容方法：用apache提供的包)

　　java抓取网页内容(

Java爬虫爬取网页内容网页内容方法：用apache提供的包)

　　1、网络爬虫

　　按照一定的规则抓取网页上的信息，通常是在抓取一些网址之后，然后将这些网址放入队列中，反复搜索。

　　2、Java爬虫网页

　　对于网页的内容，找到网页中的其他链接地址，然后通过这些链接地址找到下一个网页，如此循环下去，直到这个网站的所有网页都被爬取。如果把整个互联网看作一个网站，那么网络蜘蛛就可以利用这个原理抓取互联网上的所有网页。

　　3、Java爬虫抓取网页内容方法：使用apache提供的包

　　// commons-httpclient-3.1.jar

// commons-logging-1.0.4.jar

public static String createhttpClient(String url, String param) {

HttpClient client = new HttpClient();

String response = null ;

String keyword = null ;

PostMethod postMethod = new PostMethod(url);

// try {

// if (param != null)

// keyword = new String(param.getBytes("gb2312"), "ISO-8859-1");

// } catch (UnsupportedEncodingException e1) {

// // TODO Auto-generated catch block

// e1.printStackTrace();

// }

// NameValuePair[] data = { new NameValuePair("keyword", keyword) };

// // 将表单的值放入postMethod中

// postMethod.setRequestBody(data);

// 以上部分是带参数抓取,我自己把它注销了．大家可以把注销消掉研究下

try {

int statusCode = client.executeMethod(postMethod);

response = new String(postMethod.getResponseBodyAsString()

.getBytes( "ISO-8859-1" ), "gb2312" );

//这里要注意下 gb2312要和你抓取网页的编码要一样

String p = response.replaceAll( "//&[a-zA-Z]{1,10};" , "" )

.replaceAll( "]*>" , "" ); //去掉网页中带有html语言的标签

System.out.println(p);

} catch (Exception e) {

e.printStackTrace();

}

return response;

}

　　在Java爬虫中使用apache提供的包对网页内容进行爬取非常方便。大家可以用代码来使用~ 更多java学习推荐：java教程。

　　（推荐操作系统：win7系统，java10版本，DELL G3电脑。）