Java:url.openStream（）的文件类型`

我写这个方法是为了下载一个给定URL的网页。它设计为只下载HTML。如果我想做错误检查并且只允许HTML，我应该怎么做

public static String download(URL url) throws IOException {
    InputStream is = url.openStream();
    BufferedReader reader = new BufferedReader(new InputStreamReader(is));
    String page = "";
    String line;    
    while((line = reader.readLine()) != null){
        page = page + line;
    }
    return page;
}

最初我打算这样做：

String file = url.getFile();
if(file.subString(file.indexOf("."),file.length()-1).equalsIgnoreCase("HTML")){
    // do method

---

但是URL：

http://www.smu.com

为

url.getFile（）

返回

“

”。有人有什么建议吗

要测试您是否获得html，可以使用URL.openConnection（）获取URL连接，然后可以调用getContentType（），该函数应该为html页面返回“text/html”。然后，您可以在UrlConnection（）上使用getInputStream（）方法作为url.openStream（）的插入替换

如果您确实想验证服务器发送给您的内容是否为HTML，则需要找到HTML验证库。对不起，我现在还不知道

需要考虑的原因，这可能是为什么www. SUMUCOM不返回数据，是因为根据HTTP连接上发送的用户代理字符串，许多网站将提供不同的数据。您可能需要在您的UrlConnection上修改它：UrlConnection.addRequestProperty（“用户代理”，…）；请参见此处的更多信息：

“http://www.smu.com“将中的数据发送给您”http://www.smu.com/index.html". 这是请求“/”时web服务器的（常见）行为（理论上，web服务器也可以使用302或诸如此类的命令重定向）。因此，检查URL是否以“.html”结尾完全是愚蠢的（更不用说它可能是“.php”、“.asp”或其他任何形式）

然而，提供HTML的优秀web服务器应该返回“text/HTML”的

内容类型

头。（这当然是假设它返回的是HTML，而不是XHTML、XML或诸如此类的东西，并且web服务器没有损坏）

您可能会希望使用。这是一个例子

我如何确定顶部位

我运行了

curl-I

（和../index.html）并比较了结果。它们看起来像：

HTTP/1.1 200 OK
Date: Tue, 19 Oct 2010 18:01:39 GMT
Server: Apache
Last-Modified: Wed, 27 Jan 2010 20:27:52 GMT
Accept-Ranges: bytes
Content-Length: 2993
Content-Type: text/html

---

如果您想在检查

内容类型

标题之外检查内容，那么您可以使用HTML解析器，例如（名称错误！）。

smu.com确实返回数据，URL只是没有文件部分（斜杠后）@Bart请求尝试获取“/”web服务器愉快地返回“/index.HTML”（这取决于web服务器和这样的配置——它可能只是愉快地返回了404，但这对web用户来说并不友好）。它没有解释“没有数据”，但它确实解释了为什么不需要“完整路径”。更多信息，请参阅我的答案（尽管已经接受这个答案）@pst：我知道，我是这么说的，但你说得好多了