带有整数的Java URL连接问题

我一直在尝试从一个网页上获取信息，特别是这个网站（以及其他类似的网站）。我正在使用URL和URLConnection包来实现这一点。我试图从网页上获得一个特定的数字-在这个页面上，我想要文章的总数（16428）

它在页面顶部写着：“结果：16428中的1到20个”，当我手动查看页面源代码时，我可以找到这个。然而，当我尝试使用java连接从页面源获取这个数字时，出于某种原因，它得到的数字是“863399”，而不是“16428”

代码：

当我运行此代码时，我得到：

ncbi_resultcount“content=”863399“/>

而不是：

ncbi_resultcount“content=”16428“/>

有人知道这是为什么/我如何解决它吗

---

谢谢

我无法重现你的问题，也不知道为什么会发生这种情况。也许它在嗅探特定的Java用户代理版本。然后，您需要尝试将

用户代理

标题设置为其他内容，以假装是“真正的”webbrowser

yc.setRequestProperty("User-Agent", "Mozilla");

---

与具体问题无关，我建议使用真正的HTML解析器来完成这项工作，例如。这样就很容易了：

Document document = Jsoup.connect("http://www.ncbi.nlm.nih.gov/pubmed?term=%22pulmonary%20disease%2C%20chronic%20obstructive%22%5BMesh%5D").get();
Element nbci_resultcount = document.select("meta[name=ncbi_resultcount]").first();
System.out.println(nbci_resultcount.attr("content")); // 16433

---

什么是nbci\U结果帐户？当我查看来源时，我发现：结果：16433中的1到20。我认为你的索引是错误的，也许考虑使用正则表达式？如果你把用户代理设置成一个真正的浏览器，它会做同样的事情吗？除了搜索结果之外，返回的HTML是否还有其他差异，这些差异可能为搜索返回不同结果提供线索？@Kevin OP说返回的HTML在Java代码和浏览器中是不同的。我不相信，我只是使用了curl，得到了与浏览器相同的东西。当我说yc.setRequestProperty时(“用户代理”、“Mozilla”）我仍然得到输出：ncbi_resultcount“content=”863492“/>我支持这一点。当您通过URLConnection而不是浏览器拉取文档时，服务器可能会返回一个稍有不同的文档。让Java程序将文档保存到一个文件中，然后在浏览器中保存另一个副本并进行比较。结果与16433相同。OP的问题对我来说是无法产生的。当我使用Jsoup代码时，我得到的输出仍然是863492，而不是16433。如果更改用户代理头怎么办？将

.get（）

替换为

.userAgent（“Mozilla”）.get（）

。您是否100%确定您请求的URL与您在问题中发布的URL相同？要跟踪HTTP通信量，您可能会发现它很有用，但仍然会得到错误的结果。我很确定我使用的是同一个URL，因为我是如何从我的代码中复制并粘贴URL到这里的问题中的。这是相当令人沮丧的。。。

Document document = Jsoup.connect("http://www.ncbi.nlm.nih.gov/pubmed?term=%22pulmonary%20disease%2C%20chronic%20obstructive%22%5BMesh%5D").get();
Element nbci_resultcount = document.select("meta[name=ncbi_resultcount]").first();
System.out.println(nbci_resultcount.attr("content")); // 16433