如何使用HttpClient从网页获取“标题”

debugcn 发表于 Dev

马里奥S

我正在尝试使用Apache HttpClient 4从网页获取“标题”。

编辑：我的第一种方法是尝试从标头中获取它（使用HttpHead）。如果不可能的话，如何像@Todd所说的那样从响应的主体中获取它？

编辑2：

<head>
[...]
<title>This is what I need to get!</title>
[...]
</head>

马里奥S

谢谢大家的评论。一旦使用了jsoup，该解决方案就非常简单。

Document doc = Jsoup.connect("http://example.com/").get();
String title = doc.title();

考虑到我真的需要使用HttpClient进行连接，这就是我所拥有的：

org.jsoup.nodes.Document doc = null;
String title = "";

System.out.println("Getting content... ");

CloseableHttpClient httpclient = HttpClients.createDefault();
HttpHost target = new HttpHost(host);
HttpGet httpget = new HttpGet(path);
CloseableHttpResponse response = httpclient.execute(target, httpget);

System.out.println("Parsing content... ");

try {
    String line = null;
    StringBuffer tmp = new StringBuffer();
    BufferedReader in = new BufferedReader(new InputStreamReader(response.getEntity().getContent()));
    while ((line = in.readLine()) != null) {                    
        String decoded = new String(line.getBytes(), "UTF-8");
        tmp.append(" ").append(decoded);
    }

    doc = Jsoup.parse(String.valueOf(tmp)); 

    title = doc.title();
    System.out.println("Title=" + title); //<== ^_^

    //[...]

} finally {
    response.close();
}

System.out.println("Done.");

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。