http

zz from /bbs/blog.php?tid=39937HttpClient 4.0出来不久，所以网络上面相关的实例教程不多，搜httpclient 得到的大部分都是基于原 Commons HttpClient 3.1 (legacy)包的，官网下载页面：/downloads.cgi，如果大家看了官网说明就明白httpclient4.0是从原包分支出来独立成包的，以后原来那个包中的httpclient 不会再升级，所以以后我们是用httpclient新分支，由于4.0与之前的3.1包结构以及接口等都有较大变化，所以网上搜到的实例大部分都是不适合4.0的，当然，我们可以通过那些实例去琢磨4.0的用法，我也是新手，记录下学习过程方便以后检索本实例我们来获取抓取网页编码，内容等信息默认情况下，服务器端会根据客户端的请求头信息来返回服务器支持的编码，像他本身支持utf-8,gb2312等编码，所以如果你在头部中不指定任何头部信息的话他默认会返回gb2312编码，而如果我们在浏览器中直接访问，通过httplook，或者firefox的firebug插件查看返回头部信息的话会发现他返回的是UTF-8编码下面我们还是看实例来解说吧，注释等我也放代码里面解释，放完整代码，方便新手理解本实例将使用的httpclient相关包httpclient-4.0.jarhttpcore-4.0.1.jarhttpmime-4.0.jarcommons-logging-1.0.4.jar等其它相关包// HttpClientTest.javapackage com.baihuo.crawler.test;import java.util.regex.Matcher;import java.util.regex.Pattern;import org.apache.http.Header;import org.apache.http.HttpEntity;import org.apache.http.HttpHost;import org.apache.http.HttpResponse;import org.apache.http.client.HttpClient;import org.apache.http.client.methods.HttpGet;import org.apache.http.impl.client.DefaultHttpClient;import org.apache.http.util.EntityUtils;class HttpClientTest {public final static void main(String[] args) throws Exception {// 初始化，此处构造函数就与3.1中不同HttpClient httpclient = new DefaultHttpClient();HttpHost targetHost = new HttpHost("");//HttpGet httpget = new HttpGet("/");HttpGet httpget = new HttpGet("/");// 查看默认request头部信息System.out.println("Accept-Charset:" +httpget.getFirstHeader("Accept-Charset"));// 以下这条如果不加会发现无论你设置Accept-Charset为gbk还是utf-8，他都会默认返回gb2312（本例针对来说）httpget.setHeader("User-Agent", "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.2)");// 用逗号分隔显示可以同时接受多种编码httpget.setHeader("Accept-Language", "zh-cn,zh;q=0.5");httpget.setHeader("Accept-Charset","GB2312,utf-8;q=0.7,*;q=0.7");// 验证头部信息设置生效System.out.println("Accept-Charset:" +httpget.getFirstHeader("Accept-Charset").getValue());// Execute HTTP requestSystem.out.println("executing request " + httpget.getURI()); HttpResponse response = httpclient.execute(targetHost, httpget); //HttpResponse response = httpclient.execute(httpget);System.out.println("----------------------------------------") ;System.out.println("Location: " +response.getLastHeader("Location"));System.out.println(response.getStatusLine().getStatusCode()); System.out.println(response.getLastHeader("Content-Type"));System.out.println(response.getLastHeader("Content-Length"));System.out.println("----------------------------------------") ;// 判断页面返回状态判断是否进行转向抓取新链接int statusCode = response.getStatusLine().getStatusCode();if ((statusCode == HttpStatus.SC_MOVED_PERMANENTLY) ||(statusCode == HttpStatus.SC_MOVED_TEMPORARILY) ||(statusCode == HttpStatus.SC_SEE_OTHER) ||(statusCode == HttpStatus.SC_TEMPORARY_REDIRECT)) {// 此处重定向处理此处还未验证String newUri =response.getLastHeader("Location").getValue();httpclient = new DefaultHttpClient();httpget = new HttpGet(newUri);response = httpclient.execute(httpget);}// Get hold of the response entityHttpEntity entity = response.getEntity();// 查看所有返回头部信息Header headers[] = response.getAllHeaders();int ii = 0;while (ii < headers.length) {System.out.println(headers[ii].getName() + ": " +headers[ii].getValue());++ii;}// If the response does not enclose an entity, there is no need // to bother about connection releaseif (entity != null) {// 将源码流保存在一个byte数组当中，因为可能需要两次用到该流， byte[] bytes = EntityUtils.toByteArray(entity);String charSet = "";// 如果头部Content-Type中包含了编码信息，那么我们可以直接在此处获取charSet = EntityUtils.getContentCharSet(entity);System.out.println("In header: " + charSet);// 如果头部中没有，那么我们需要查看页面源码，这个方法虽然不能说完全正确，因为有些粗糙的网页编码者没有在页面中写头部编码信息if (charSet == "") {regEx="(?=<meta).*?(?<=charset=[\\'|\\\"]?)([[a-z]|[A-Z]| [0-9]|-]*)";p=pile(regEx, Pattern.CASE_INSENSITIVE);m=p.matcher(new String(bytes)); // 默认编码转成字符串，因为我们的匹配中无中文，所以串中可能的乱码对我们没有影响result=m.find();if (m.groupCount() == 1) {charSet = m.group(1);} else {charSet = "";}}System.out.println("Last get: " + charSet);// 至此，我们可以将原byte数组按照正常编码专成字符串输出（如果找到了编码的话）System.out.println("Encoding string is: " + new String(bytes, charSet));}httpclient.getConnectionManager().shutdown();}}[本帖最后由 darkness 于 2009-9-9 17:24 编辑]评论(4)HttpClient是一个实现了http协议的开源Java客户端工具库，可以通过程序发送http请求，现在HttpClient已经更名为HttpComponents， HttpClient 4.0 几乎重新设计，并重写了 HttpClient 3.x的全部代码。