怎样用java读取网页的内容？

Question

怎样用java读取网页的内容，因为我想将网页中的内容转换成pdf文档？

Answer 1

URLConnection可以搞定，不过好怎么转成pdf就不知道了

Answer 2

我说一个方法：
1、得到网页的url（当然了，没有这个没法取网页）；
2、用url创建一个InetAddress对象，并用它创建一个Socket对象；
3、从Socket对象得到InputStream和PrintStream;
4、按照http协议向PrintStream写数据（就是GET URL HTTP/1.0\R\N HOST:...,实际上是给服务器一个请求，就象ie访问一样）；
5、从InputStream取得响应头，分析里面的http状态码，如果是2**的话，说明访问成功，同时监测Location头，看是否有转向。如果转向的话，按照上面的方法继续访问。
6、如果没有上述的意外情况，在响应头后面有一个空行，然后的内容就是html文件了。
7、好要注意比如连接超时、socket异常等情况，需要分别处理，比如重试或者终端连接等等。

Answer 3

如果想把得到的文件转成pdf文件，最简单的办法是找一个html2pdf的工具，然后用java方法带参数启动这个转换程序。另外，我不知道Adobe公司是否有pdf文档的专用java api库，如果有的话，用哪个导也可以。