java - 获取源代码//文件读取器//返回空列表

Question

我正在尝试制作一个网络爬虫，收集一年中每天排名前 100 的音乐。目前我正在尝试编写收集源代码的函数。我几乎只是从其他抓取工具中复制并粘贴它，但由于某些奇怪的原因它返回一个空列表。

我相信我们正在使用 get_source_code 函数，但我可能是错的。没有返回错误消息。提前感谢您的帮助。

import java.util.ArrayList;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.List;
import javax.net.ssl.HttpsURLConnection;
import java.io.BufferedReader;
import java.io.IOException;

public class MusicScraper {
    public static void main(String [] args)throws IOException {
        parse_source_code(get_source_code("","",""));

    }
    public static List<String> get_source_code(String day, String month, String year)throws IOException{
        List <String> sourceC = new ArrayList<>();

        URL link = new URL("https://www.billboard.com/charts/hot-100/2017-02-25");             //"http://www.billboard.com/charts/hot-100/" + year + "-" + month + "-" + day );

        HttpsURLConnection billboardConnection = (HttpsURLConnection) link.openConnection();
        billboardConnection.setRequestProperty("User-Agent", "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10.4; en-US; rv:1.9.2.2) Gecko/20100316 Firefox/3.6.2");
        billboardConnection.connect();

        BufferedReader in = new BufferedReader(new InputStreamReader(billboardConnection.getInputStream()));

        String inputLine;
        while ((inputLine = in.readLine()) != null) {
            sourceC.add(inputLine);
        }
        System.out.println(sourceC);
        return sourceC;
    }

    public static List<String> parse_source_code(List<String> sourceCode){
        List<String> data = new ArrayList<>();

        List<String> rank = new ArrayList<>();
        List<String> song = new ArrayList<>();
        List<String> artist = new ArrayList<>();

        for (int i = 0; i < sourceCode.size(); i++) {
            if (sourceCode.get(i).contains("data-songtitle=\"")) {
                String parsedSong = sourceCode.get(i).split("data-songtitle=\"")[1].split("\">")[0];
                song.add(parsedSong);
            }

}
        System.out.println(song);
        return sourceCode;
    }
}

Answer 1

如果您检查了请求的响应代码:

System.out.println(billboardConnection.getResponseCode());

您会看到它返回 301 错误代码(永久移动)。

有时，要抓取返回已移动错误的 URL，您需要遵循重定向 URL。但是在这种情况下，如果您检查重定向 URL(存储在 Location header 字段中)，您将看到:

http://www.billboard.com/charts/hot-100/2017-02-25

这意味着您的请求将从 https 降级为 http，因此您只需首先使用 http 即可轻松解决您的问题:

URL link = new URL("http://www.billboard.com/charts/hot-100/2017-02-25");