Java - 从 url 读取页面源返回未知字符
Posted
技术标签:
【中文标题】Java - 从 url 读取页面源返回未知字符【英文标题】:Java - Read page source from url returns unknown characters 【发布时间】:2019-06-28 08:32:47 【问题描述】:我正在使用下面的代码从 url (https://www.amazon.com) 读取 NetBeans 中带有“UTF-8”字符集的页面源,但它返回未知字符(附加图像)。我不知道有什么问题,如果帮助我修改代码以使其正常工作,我将不胜感激?谢谢。
public static String getURLSource(String url) throws IOException
URL urlObject = new URL(url);
URLConnection urlConnection = urlObject.openConnection();
urlConnection.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (Khtml, like Gecko) Chrome/23.0.1271.95 Safari/537.11");
return toString(urlConnection.getInputStream());
private static String toString(InputStream inputStream) throws IOException
try (BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(inputStream, "UTF-8")))
String inputLine;
StringBuilder stringBuilder = new StringBuilder();
while ((inputLine = bufferedReader.readLine()) != null)
stringBuilder.append(inputLine);
return stringBuilder.toString();
【问题讨论】:
我相信您看到的是加密的有效负载。您需要使用某种 HTTPS 客户端来处理密钥交换、服务器证书的验证以及 - 最重要的是 - 流的解码。 @skomisa 感谢您的回答。我在我的代码中取消了该行的注释。 @skomisa 感谢您的回答。这只是一个错字,我在我的代码中取消了该行的注释(问题与此无关!)。 @Mr.Nobody 我也尝试阅读亚马逊的主页using JSoup,但效果有限。有一些JSoup examples here which use Amazon's home page。亚马逊似乎故意不让抓取他们的页面变得容易。 再次感谢@skomisa,我会尝试使用'Jsoup'。 【参考方案1】:使用HttpsUrlConnection
而不是UrlConnection
。见a similar question。
【讨论】:
我已经用'HttpsUrlConnection'检查过它,但没有任何改变! @skomisa 对不起,我的错!以上是关于Java - 从 url 读取页面源返回未知字符的主要内容,如果未能解决你的问题,请参考以下文章
Java 在 int 或 String 之间返回(未知返回类型)
Java 技术篇 - 从指定的web网页页面中读取html内容实例演示,从http协议下的url地址中读取web页面内容方法