一个简易的URL爬虫程序（java）

binnnngo2023-11-27 22:31

该程序是一个简单的Java程序，用于从指定的URL中获取网页内容并保存到本地文件。通过URL类打开指定的URL链接，并使用openStream()方法获取输入流。然后使用Scanner类读取输入流中的内容，并使用PrintWriter类将读取到的内容写入到本地文件中。

在该程序中，程序打开了腾讯新闻(https://news.qq.com/)，并将网页内容保存为qq.html文件。

java 复制代码

import java.io.BufferedInputStream;
import java.io.FileWriter;
import java.io.InputStream;
import java.io.PrintWriter;
import java.net.URL;
import java.util.Scanner;

public class SimpleUrlCrawler {

    public static void main(String[] args) {
        try {
            // 创建URL对象，指定要抓取的网页地址
            URL url = new URL("https://news.qq.com/");

            // 打开URL连接获取输入流
            InputStream input = url.openStream();

            // 使用缓冲输入流包装输入流，提高读取效率
            Scanner cin = new Scanner(new BufferedInputStream(input));

            // 创建PrintWriter对象，用于写入文件
            PrintWriter cout = new PrintWriter(new FileWriter("qq.html"));

            // 逐行读取输入流中的内容，并写入文件
            while (cin.hasNextLine()) {
                cout.println(cin.nextLine());
            }

            // 关闭输入流、输出流
            input.close();
            cin.close();
            cout.close();
        } catch (Exception e) {
            // 处理异常
            e.printStackTrace();
        }
    }

}