Comment récupérer du code HTML en Java

Question

Sans l'utilisation d'une bibliothèque externe, quel est le moyen le plus simple de récupérer le contenu HTML d'un site Web dans une chaîne?

Answer 1

J'utilise actuellement ceci:

String content = null; 
URLConnection connection = null; 
try { 
    connection = new URL("http://www.google.com").openConnection(); 
    Scanner scanner = new Scanner(connection.getInputStream()); 
    scanner.useDelimiter("\\Z"); 
    content = scanner.next(); 
}catch (Exception ex) { 
    ex.printStackTrace(); 
} 
System.out.println(content); 

Mais pas sûr s'il y a une meilleure façon.

Answer 2

Je viens de quitter this post in your other thread, bien que ce que vous avez ci-dessus pourrait fonctionner aussi bien. Je ne pense pas que ce soit plus facile que l'autre. Les paquets Apache peuvent être consultés en utilisant simplement import org.apache.commons.HttpClient en haut de votre code.

Modifier: Vous avez oublié le lien;)

Answer 3

Cela a bien fonctionné pour moi:

URL url = new URL(theURL); 
InputStream is = url.openStream(); 
int ptr = 0; 
StringBuffer buffer = new StringBuffer(); 
while ((ptr = is.read()) != -1) { 
    buffer.append((char)ptr); 
} 

Je ne sais pas à savoir si l'autre solution (s) fourni sont plus efficaces ou non.

Answer 4

Bien que n'étant pas vanilla-Java, je vais offrir une solution plus simple. Utilisez Groovy

String siteContent = new URL("http://www.google.com").text