抓取网页中的源代码.

   首先在获取html页面的源代码之前..

   要准备Apache里面的两个包:

   htmllexer.jar

   htmlparser.jar

   有了这两个包方便,抓取网页中的源代码,抓取之后,生成一个txt文档..如果要获取里面的内容..就自己处理下就好了..

 

   具体代码如下:

 

package pack.java.url;
import java.io.File;
import java.io.FileOutputStream;
import org.htmlparser.Parser;   
import org.htmlparser.util.NodeList;
public class Test {   
    /**
     * 测试方法;
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception{   
        // TODO Auto-generated method stub 
        String url="http://www.baidu.com/";  
        //创建一个parser对象;
        Parser parser=new Parser(url);
        //设置字符编码格式;
        parser.setEncoding("gb2312");   
        NodeList list=parser.parse(null);   
        //输出;
        FileOutputStream outputStream = new FileOutputStream(new File("C:/pageData.txt"));
        outputStream.write(list.toHtml().getBytes());
    }   
}