對于網絡，我一直處于好奇的態度。以前一直想著寫個爬蟲，但是一拖再拖，懶得實現，感覺這是一個很麻煩的事情，出現個小錯誤，就要調試很多時間，太浪費時間。

后來一想，既然早早給自己下了保證，就先實現它吧，從簡單開始，慢慢增加功能，有時間就實現一個，并且隨時優化代碼。

下面是我簡單實現爬取指定網頁，并且保存的簡單實現，其實有幾種方式可以實現，這里慢慢添加該功能的幾種實現方式。

UrlConnection爬取實現

package html;

import java.io.BufferedReader;

import java.io.FileOutputStream;

import java.io.FileWriter;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.io.OutputStreamWriter;

import java.net.MalformedURLException;

import java.net.URL;

import java.net.URLConnection;

public class Spider {

public static void main(String[] args) {

String filepath = "d:/124.html";

String url_str = "http://www.hao123.com/";

URL url = null;

try {

url = new URL(url_str);

} catch (MalformedURLException e) {

e.printStackTrace();

}

String charset = "utf-8";

int sec_cont = 1000;

try {

URLConnection url_con = url.openConnection();

url_con.setDoOutput(true);

url_con.setReadTimeout(10 * sec_cont);

url_con.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)");

InputStream htm_in = url_con.getInputStream();

String htm_str = InputStream2String(htm_in,charset);

saveHtml(filepath,htm_str);

} catch (IOException e) {

e.printStackTrace();

}

}

/**

* Method: saveHtml

* Description: save String to file

* @param filepath

* file path which need to be saved

* @param str

* string saved

*/

public static void saveHtml(String filepath, String str){

try {

/*@SuppressWarnings("resource")

FileWriter fw = new FileWriter(filepath);

fw.write(str);

fw.flush();*/

OutputStreamWriter outs = new OutputStreamWriter(new FileOutputStream(filepath, true), "utf-8");

outs.write(str);

System.out.print(str);

outs.close();

} catch (IOException e) {

System.out.println("Error at save html...");

e.printStackTrace();

}

}

/**

* Method: InputStream2String

* Description: make InputStream to String

* @param in_st

* inputstream which need to be converted

* @param charset

* encoder of value

* @throws IOException

* if an error occurred

*/

public static String InputStream2String(InputStream in_st,String charset) throws IOException{

BufferedReader buff = new BufferedReader(new InputStreamReader(in_st, charset));

StringBuffer res = new StringBuffer();

String line = "";

while((line = buff.readLine()) != null){

res.append(line);

}

return res.toString();

}

}

實現過程中，爬取的網頁的中文亂碼問題，是個比較麻煩的事情。

HttpClient爬取實現

HttpClient實現爬取網頁時，遇到了很多問題。其一，就是存在兩個版本的HttpClient，一個是sun內置的，另一個是apache開源的一個項目，似乎sun內置用的不太多，我也就沒有實現，而是采用了apache開源項目(以后說的HttpClient都是指apache的開源版本)；其二，在使用HttpClient時，最新的版本已經不同于以前的版本，從HttpClient4.x版本后,導入的包就已經不一樣了，從網上找的很多部分都是HttpClient3.x版本的，所以如果使用最新的版本，還是看幫助文件為好。

我用的是Eclipse，需要配置環境導入引用包。

首先，下載HttpClient，地址是：http://hc.apache.org/downloads.cgi，我是用的事HttpClient4.2版本。

然后，解壓縮，找到了/lib文件夾下的commons-codec-1.6.jar，commons-logging-1.1.1.jar，httpclient-4.2.5.jar，httpcore-4.2.4.jar(版本號根據下載的版本有所不同，還有其他的jar文件，我這里暫時用不到，所以先導入必須的)；

最后，將上面的jar文件，加入classpath中，即右擊工程文件 => Bulid Path => Configure Build Path => Add External Jar..,然后添加上面的包就可以了。

還用一種方法就是講上面的包，直接復制到工程文件夾下的lib文件夾中。

下面是實現代碼：

package html;

import java.io.BufferedReader;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.io.OutputStreamWriter;

import org.apache.http.HttpEntity;

import org.apache.http.HttpResponse;

import org.apache.http.client.*;

import org.apache.http.client.methods.HttpGet;

import org.apache.http.impl.client.DefaultHttpClient;

public class SpiderHttpClient {

public static void main(String[] args) throws Exception {

// TODO Auto-generated method stub

String url_str = "http://www.hao123.com";

String charset = "utf-8";

String filepath = "d:/125.html";

HttpClient hc = new DefaultHttpClient();

HttpGet hg = new HttpGet(url_str);

HttpResponse response = hc.execute(hg);

HttpEntity entity = response.getEntity();

InputStream htm_in = null;

if(entity != null){

System.out.println(entity.getContentLength());

htm_in = entity.getContent();

String htm_str = InputStream2String(htm_in,charset);

saveHtml(filepath,htm_str);

}

}

/**

* Method: saveHtml

* Description: save String to file

* @param filepath

* file path which need to be saved

* @param str

* string saved

*/

public static void saveHtml(String filepath, String str){

try {

/*@SuppressWarnings("resource")

FileWriter fw = new FileWriter(filepath);

fw.write(str);

fw.flush();*/

OutputStreamWriter outs = new OutputStreamWriter(new FileOutputStream(filepath, true), "utf-8");

outs.write(str);

outs.close();

} catch (IOException e) {

System.out.println("Error at save html...");

e.printStackTrace();

}

}

/**

* Method: InputStream2String

* Description: make InputStream to String

* @param in_st

* inputstream which need to be converted

* @param charset

* encoder of value

* @throws IOException

* if an error occurred

*/

public static String InputStream2String(InputStream in_st,String charset) throws IOException{

BufferedReader buff = new BufferedReader(new InputStreamReader(in_st, charset));

StringBuffer res = new StringBuffer();

String line = "";

while((line = buff.readLine()) != null){

res.append(line);

}

return res.toString();

}

}

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的java实现网页保存_详解Java两种方式简单实现：爬取网页并且保存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。