使用Java獲取HTML內容的最快方法是什么？

Question

我有這個，但是我想知道是否有更快的方法：

        URL url=new URL(page);
        InputStream is = new BufferedInputStream(url.openConnection().getInputStream());
        BufferedReader in=new BufferedReader(new InputStreamReader(is));
        String tmp="";
        StringBuilder sb=new StringBuilder();
        while((tmp=in.readLine())!=null){
            sb.append(tmp);
        }

Answer 1

網絡可能是最大的開銷，在Java代碼方面您無能為力。 但是使用IOUtils至少可以更快地實現：

String page = IOUtils.toString(url.openConnection().getInputStream());

記住關閉底層流。

Answer 2

如果您需要使用html進行操作，請找到一些庫。 例如jsoup 。

jsoup是一個用於處理實際HTML的Java庫。 它提供了使用DOM，CSS和類似jquery的最好方法提取和處理數據的非常方便的API。

例：

Document doc = Jsoup.connect("http://en.wikipedia.org/").get();
Elements newsHeadlines = doc.select("#mp-itn b a");

Answer 3

如果您按照Tomasz的建議使用Apache Commons IO的IOUtils，則有一個甚至更簡單的方法： toString（URL）或采用字符集的首選表親（當然，需要事先知道資源的字符集）。

String string = IOUtils.toString( new URL( "http://some.url" ));

要么

String string = IOUtils.toString( new URL( "http://some.url" ), "US-ASCII" );