使用Java获取页面的上次修改日期

Question

有没有一种标准的方法来判断页面上次修改的时间？ 目前我这样做：

URLConnection uCon = url.openConnection();
uCon.setConnectTimeout(5000);   // 5 seconds
String lastMod = uCon.getHeaderField("Last-Modified");
System.out.println("last mod: "+lastMod);

但是，有些网站看起来没有Last-Modified字段。

http://www.cbc.ca有以下标题字段：

X-Origin-Server
Connection
Expires
null
Date
Server
Content-Type
Transfer-Encoding
Cache-Control

我可以解析一个页面来尝试获取它的日期，但这似乎是一个重大的痛苦。 标准是什么？

（如果可能，我想坚持使用URLConnection，因为这是我用来下载网页的）

Answer 1

没有标准。 动态生成的网页通常没有Last-Modified字段，不同的网页以不同的方式包含日期。 有些网站甚至没有包含这样的日期，包括底部的“©<当前年份>”。 您可以尝试在底部或顶部附近查找日期，但可靠地从网页中提取日期必须是特定于站点的。

Answer 2

从HTTP / 1.1：标题字段定义 ：

14.29最后修改

Last-Modified实体标题字段指示源服务器认为变体上次修改的日期和时间。

  Last-Modified = "Last-Modified" ":" HTTP-date 

它的一个例子是

  Last-Modified: Tue, 15 Nov 1994 12:45:26 GMT 

此标头字段的确切含义取决于源服务器的实现和原始资源的性质。 对于文件，它可能只是文件系统上次修改时间。 对于具有动态包含部分的实体，它可能是其组成部分的最后一组最后修改时间。 对于数据库网关，它可能是记录的最后更新时间戳。 对于虚拟对象，它可能是内部状态最后一次更改。

原始服务器不得发送比服务器发送消息的时间晚的Last-Modified日期。 在这种情况下，资源的最后修改将指示将来的某个时间，服务器必须用消息发起日期替换该日期。

原始服务器应该尽可能接近生成其响应的Date值的时间获取实体的Last-Modified值。 这允许接收者准确评估实体的修改时间，特别是如果实体在生成响应的时间附近发生变化。

HTTP / 1.1服务器应该尽可能发送Last-Modified。

从这一点开始， Last-modified是可选的，其值取决于原始资源的性质。