如何通过 URLConnection 读取网页的 HTML 源代码

轻雪大大_4655

轻雪大大_4655

2026-04-29

742人浏览

原创

必须转型为HttpURLConnection才能发HTTP请求,因其是抽象类,不提供setRequestMethod等HTTP特有方法;需设超时、显式指定UTF-8编码、关闭自动重定向并手动处理状态码与重定向。

如何通过 urlconnection 读取网页的 html 源代码

必须转型为 HttpURLConnection 才能发 HTTP 请求

URLConnection 是抽象类,不提供 setRequestMethod、getResponseCode、setRequestProperty 等 HTTP 特有方法。直接用它调 getInputStream(),遇到重定向、403、gzip 压缩时大概率抛 IOException 或返回空内容。

常见错误现象:

  • 调 setRequestMethod("GET") 无反应,或直接抛 IllegalStateException
  • 把 404、500 当作成功响应读取,结果拿到错误页 HTML 甚至空白
  • 没设 User-Agent,被 GitHub、知乎等站点直接返回 403 Forbidden

正确做法是强制转型:HttpURLConnection connection = (HttpURLConnection) url.openConnection();

setConnectTimeout 和 setReadTimeout 不是可选配置

默认超时是无限等待。网络抖动、DNS 解析慢、服务器假死都会让线程卡死,尤其在 Android 上可能触发 ANR。

建议值:

  • setConnectTimeout(8000):TCP 连接建立上限,低于 3000 容易误判正常波动
  • setReadTimeout(8000):单次 read() 阻塞上限,不是整个响应读取总耗时
  • 服务端批量采集可放宽到 15–30 秒,但必须配合重试逻辑

字符编码必须显式指定,不能靠系统默认

InputStreamReader 不会自动解析响应头里的 charset=utf-8。用 new InputStreamReader(conn.getInputStream()) 相当于用平台默认编码(Windows 是 GBK,Linux/macOS 是 UTF-8),一读中文就乱码。

htmlppt.skill
htmlppt.skill

把任意文章或文档内容转换成精美的全屏翻页 HTML 演示文件(幻灯片风格)。当用户发来一篇文章、文档链接、Markdown 内容、或粘贴的文本,并且希望生成演示用的 HTML 时触发。支持任意内容来源:iWiki 链接、KM 链接、本地文件路径、直接粘贴的文本。生成的 HTML 文件保存到本地工作区,并通过企微直接发送给用户。触发词示例:帮我把这篇文章做成PPT、转成演示文档、生成HTML幻灯片、做个演示、转成可以演示的格式、article to deck、make a slide。

下载

稳妥做法:

  • 优先用 StandardCharsets.UTF_8(Java 7+),覆盖绝大多数现代网站
  • 若遇政府旧站等 GB2312/GBK 编码,再 fallback 到 "GBK"
  • 别依赖 connection.getContentType() 解析 charset——有些响应头根本不带,有些带得不规范

示例:new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8)

别忘了手动处理重定向和状态码

HttpURLConnection 默认开启自动重定向(setInstanceFollowRedirects(true)),但这样会丢失中间跳转信息,且无法统一控制重试或日志。更可控的做法是关掉它,自己处理:

  • 调 setInstanceFollowRedirects(false)
  • 读 getResponseCode(),判断是否为 HTTP_MOVED_PERM 或 HTTP_MOVED_TEMP
  • 从 getHeaderField("Location") 提取新地址,递归或循环重试
  • 非 HTTP_OK 状态应明确抛异常,而不是静默读取

容易被忽略的点:很多代码只写了 try-with-resources 关流,却漏掉 connection.disconnect();虽然 JVM 会回收,但在高并发场景下不显式断开可能拖慢连接复用或触发端口耗尽。

前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!

相关文章

HTML速学教程(入门课程)
HTML速学教程(入门课程)

HTML怎么学习?HTML怎么入门?HTML在哪学?HTML怎么学才快?不用担心,这里为大家提供了HTML速学教程(入门课程),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

html

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
java
java

Java是一个通用术语,用于表示Java软件及其组件,包括“Java运行时环境 (JRE)”、“Java虚拟机 (JVM)”以及“插件”。php中文网还为大家带了Java相关下载资源、相关课程以及相关文章等内容,供大家免费下载使用。

2023.06.15

11657

6

java正则表达式语法
java正则表达式语法

java正则表达式语法是一种模式匹配工具,它非常有用,可以在处理文本和字符串时快速地查找、替换、验证和提取特定的模式和数据。本专题提供java正则表达式语法的相关文章、下载和专题,供大家免费下载体验。

2023.07.05

8762

9

java自学难吗
java自学难吗

Java自学并不难。Java语言相对于其他一些编程语言而言,有着较为简洁和易读的语法,本专题为大家提供java自学难吗相关的文章,大家可以免费体验。

2023.07.31

7532

8

java配置jdk环境变量
java配置jdk环境变量

Java是一种广泛使用的高级编程语言,用于开发各种类型的应用程序。为了能够在计算机上正确运行和编译Java代码,需要正确配置Java Development Kit(JDK)环境变量。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.08.01

1244

3

java保留两位小数
java保留两位小数

Java是一种广泛应用于编程领域的高级编程语言。在Java中,保留两位小数是指在进行数值计算或输出时,限制小数部分只有两位有效数字,并将多余的位数进行四舍五入或截取。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.08.02

1008

3

java基本数据类型
java基本数据类型

java基本数据类型有:1、byte;2、short;3、int;4、long;5、float;6、double;7、char;8、boolean。本专题为大家提供java基本数据类型的相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.02

1496

5

java有什么用
java有什么用

java可以开发应用程序、移动应用、Web应用、企业级应用、嵌入式系统等方面。本专题为大家提供java有什么用的相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.02

3049

5

java在线网站
java在线网站

Java在线网站是指提供Java编程学习、实践和交流平台的网络服务。近年来,随着Java语言在软件开发领域的广泛应用,越来越多的人对Java编程感兴趣,并希望能够通过在线网站来学习和提高自己的Java编程技能。php中文网给大家带来了相关的视频、教程以及文章,欢迎大家前来学习阅读和下载。

2023.08.03

20311

3

配置java环境变量
配置java环境变量

配置Java环境变量是为了让操作系统能够识别和使用Java的相关命令和功能。本专题为大家提供配置java环境变量相关文章,帮助大家解决问题。

2023.08.03

1335

8

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
GDB 17.2 官方文档集合
GDB 17.2 官方文档集合

共0课时 | 0人学习

Bootstrap 入门安装配置
Bootstrap 入门安装配置

共0课时 | 0人学习

38+ PhpStorm 提示和技巧
38+ PhpStorm 提示和技巧

共1课时 | 230人学习