Java 为什么我只能获取网站主页的HTML而不能获取其他网页的HTML？_Java_Html_Html Parsing

Java 为什么我只能获取网站主页的HTML而不能获取其他网页的HTML？

java html

Java 为什么我只能获取网站主页的HTML而不能获取其他网页的HTML？,java,html,html-parsing,Java,Html,Html Parsing,我正在编写一个java程序，它连接到一个网站，并返回HTML，出于某种原因，我遇到了一些问题。现在，我只能访问该网站，如果我这样做 //example String host = "www.google.com" 但是如果我想访问一个更加复杂的URL，那么我会得到一个未知的hostexception。起初我认为这可能与不识别URL中的某些字符有关，但我不确定。例如，这里有一个URL的Im试图访问 host ="http://www.cyberspacei.com/englishwi

我正在编写一个java程序，它连接到一个网站，并返回HTML，出于某种原因，我遇到了一些问题。现在，我只能访问该网站，如果我这样做

 //example     String host = "www.google.com"

但是如果我想访问一个更加复杂的URL，那么我会得到一个未知的hostexception。起初我认为这可能与不识别URL中的某些字符有关，但我不确定。例如，这里有一个URL的Im试图访问

host ="http://www.cyberspacei.com/englishwiz/library/name/etymology_of_first_names.htm";
int port = 80;
Socket s = new Socket(host,port)

……等等

它只会返回一个未知的异常

有人请帮帮我

它失败是因为询问您的是主机名，而不是您正在输入的URL，如果您希望该URL中包含文档，则需要使用URL类

URL url = new URL("http://www.thesite.com/thefile.html");
Object doc = url.getContent();

当然，您需要将“对象文档”替换为准备缓存该内容的文件。

失败是因为您被询问的是主机名，而不是像您输入的URL那样的URL。如果您希望文档位于该URL中，则需要使用URL类

URL url = new URL("http://www.thesite.com/thefile.html");
Object doc = url.getContent();

当然，您需要将“对象文档”替换为准备缓存该内容的文件。

套接字对象的“主机”参数指定要连接到网络（internet）上的哪台机器。这与web浏览器中使用的URI不同，后者包括协议、服务器和所请求文件或对象的目录结构

插座s=新插座（“www.cyberspace.com”，“80”）；将向在该计算机上运行的Web服务器打开一个新的原始套接字，但随后将由您通过该套接字协商HTTP协议，并请求“/englishwiz/library/name/ethysology_of_first_names.htm”

通过使用诸如HttpClient之类的库，您可能会省去一些麻烦，只要您不需要对http流进行原始访问，就可以从http协商中省去很多工作

我不是Java领域的专家，但我知道哪里出了问题

首先，主机变量应该只包含URL的主机

URL的主机

http://www.cyberspacei.com/englishwiz/library/name/etymology_of_first_names.htm

实际上是

'cyberspace.com'

因此，您连接到主机，然后发送HTTP头以请求您正在查找的页面

GET /englishwiz/library/name/etymology_of_first_names.htm HTTP/1.0
Host: cyberspacei.com
Accept: */*
Connection: Close

某些网页可能需要

用户代理

或

参考

标题才能工作。因此，适当地添加字段。