java - Java 程序中的下载有时会损坏

Question

我正在尝试编写一个java程序来备份远程服务器上的HTTP目录。远程服务器跨越多个 VPN/防火墙/其他设备，因此连接并不总是最好的。

所以我首先下载根目录列表并递归地浏览条目。这是一个简单的单线程程序。

所以我的问题是，有时我得到的 HTML 已损坏。主要是它在整个文档中有多个空字节，我可以使用replaceAll将其删除。但另一件事是，它似乎有一些文本 block 两次(或更多次？)，所以而不是“这是一个文本，请读我。”我得到类似“这是一个 teis 是一个 xt，请读我的信息。”。如果你删掉重复的“is is a”，那就没问题了。整个文档中通常有多个重复文本。

当我使用浏览器(即 Firefox)浏览目录时，没有任何问题，一切看起来都很好。只是我的下载器不断收到损坏的数据。

这是我的代码片段，它获取 HTML 列表数据:

        InputStream is = con.getInputStream();
        if ("gzip".equals(con.getContentEncoding())) {
            is = new GZIPInputStream(is);
        }
        int x = 0;
        byte[] data = new byte[1024];
        while ((x = is.read(data, 0, 1024)) >= 0) {
            if (x > 0) {
                retval += new String(data);
            }
        }

有什么想法吗，我做错了什么？

您好!

Answer 1

替换为:
retval += new String(data, 0, x);

如果您之前阅读的内容少于 1024 和 1024，您将得到 x + (1024-x code>) 上一个循环留下的数据