java - 从 URL 中提取 HTML

Question

我正在使用 Boilerpipe使用此代码从 url 中提取文本:

URL url = new URL("http://www.example.com/some-location/index.html");
String text = ArticleExtractor.INSTANCE.getText(url);

字符串 text 只包含 html 页面的文本，但我需要从中提取整个 html 代码。

有没有人用过这个库并且知道如何提取 HTML 代码？

您可以查看 demo page有关图书馆的更多信息。

Answer 1

对于像这样简单的事情，你真的不需要外部库:

 URL url = new URL("http://www.google.com");
 InputStream is = (InputStream) url.getContent();
 BufferedReader br = new BufferedReader(new InputStreamReader(is));
 String line = null;
 StringBuffer sb = new StringBuffer();
 while((line = br.readLine()) != null){
   sb.append(line);
 }
 String htmlContent = sb.toString();