1、使用HttpClient获取页面HTML
2、解析HTML获取最大页数和第一页的图像地址
3、分别抓取各页的图像
4、使用iText将所有页面的图像做成PDF
前提是需FQ(PacketiX VPN)
private static final String SD_URL = "http://www.slideshare.net/ProphetsAgency/trends-in-interactive-design-2013";
private static final String OUT_PUT_FOLDER = "C:\\sd\\";
private static final String PDF_NAME = "trends-in-interactive-design-2013.pdf";
public static void main(String[] args) throws Exception {
// Get HTML
HttpClient client = new DefaultHttpClient();
HttpGet get = new HttpGet(SD_URL);
HttpResponse res = client.execute(get);
if (res.getEntity() != null) {
String htmldata = EntityUtils.toString(res.getEntity());
int maxpage = 0;
String imgurl = "";
List<String> fileNameList = new ArrayList<String>();
// Get max page
Pattern dataPattern = Pattern.compile("<span>/(.+)</span>", Pattern.CASE_INSENSITIVE);
Matcher tagMatcher = dataPattern.matcher(htmldata);
if (tagMatcher.find()) {
maxpage = Integer.parseInt(tagMatcher.group(1));
}
// Get the first page image's URL
Pattern dataPattern2 = Pattern.compile("background-image:url\\(\\'(.+)\\?.+\\'\\)", Pattern.CASE_INSENSITIVE);
Matcher tagMatcher2 = dataPattern2.matcher(htmldata);
if (tagMatcher2.find()) {
imgurl = tagMatcher2.group(1);
}
System.out.println("maxpage:" + maxpage);
// Get all page images to local
for (int i = 1; i <= maxpage; i++) {
String[] uriArray = imgurl.split("/");
String filename = uriArray[uriArray.length-1];
String[] nameArray = filename.split("-");
filename = nameArray[0] + "-" + i + "-" + nameArray[2];
imgurl = imgurl.substring(0,imgurl.lastIndexOf("/")) + "/" + filename;
getUrlImg(imgurl, OUT_PUT_FOLDER + filename);
System.out.println("imgurl:" + imgurl);
fileNameList.add(filename);
}
// Create PDF
Rectangle rect = new Rectangle(PageSize.B5.rotate());
Document document = new Document(rect);
PdfWriter.getInstance(document, new FileOutputStream(OUT_PUT_FOLDER + PDF_NAME));
document.open();
for (int i = 0; i < fileNameList.size(); i++) {
if (i != 0) {
document.newPage();
}
Image img = Image.getInstance(OUT_PUT_FOLDER + fileNameList.get(i));
img.setAlignment(Image.TOP);
document.add(img);
}
document.close();
}
EntityUtils.consume(res.getEntity());
client.getConnectionManager().shutdown();
}
public static void getUrlImg(String URLName, String target) throws Exception {
URL url = new URL(URLName);
URLConnection urlconn = url.openConnection();
HttpURLConnection httpconn = (HttpURLConnection) urlconn;
int HttpResult = httpconn.getResponseCode();
if (HttpResult != HttpURLConnection.HTTP_OK) {
System.out.print("fail");
return;
}
BufferedInputStream bis = new BufferedInputStream(urlconn.getInputStream());
BufferedOutputStream bos = new BufferedOutputStream(new FileOutputStream(target));
byte[] buffer = new byte[1024];
int num = -1;
while (true) {
num = bis.read(buffer);
if (num == -1) {
bos.flush();
break;
}
bos.flush();
bos.write(buffer, 0, num);
}
bos.close();
bis.close();
}
分享到:
相关推荐
本文将基于4.5.3版本的HttpClient官方API中文文档,深入探讨其核心概念、使用方法及常见应用场景。 一、HttpClient简介 HttpClient是一款高效的HTTP客户端库,它支持多种HTTP标准,包括HTTP/1.1、HTTP/2以及...
在讨论HttpClient的文档时,首先应该明确它的使用范围,也即HttpClient能够做什么,以及它不做什么。在文档中,这一点被明确地指出,以帮助用户正确地利用HttpClient。 文档中提到了HttpClient的基础知识,包括以下...
赠送jar包:httpclient-4.5.6.jar; 赠送原API文档:httpclient-4.5.6-javadoc.jar; 赠送源代码:httpclient-4.5.6-sources.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
赠送jar包:httpclient-4.2.5.jar; 赠送原API文档:httpclient-4.2.5-javadoc.jar; 赠送源代码:httpclient-4.2.5-sources.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
赠送jar包:httpclient-4.5.5.jar; 赠送原API文档:httpclient-4.5.5-javadoc.jar; 赠送源代码:httpclient-4.5.5-sources.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
综上所述,通过Java的HttpClient库,可以在Eclipse环境中编写程序,实现从指定URL下载文件到本地的功能。通过理解HttpClient的工作原理和提供的API,开发者可以构建出稳定、高效的文件下载解决方案。
HttpClient是Apache软件基金会的一个开源项目,提供了一个强大的、高度可定制的HTTP客户端...中文版文档的出现,降低了国内开发者的使用门槛,使得更多开发者能够熟练掌握和运用HttpClient,提升开发效率和应用质量。
赠送jar包:httpclient-4.4.1.jar; 赠送原API文档:httpclient-4.4.1-javadoc.jar; 赠送源代码:httpclient-4.4.1-sources.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
这个标题"HttpClient中文文档,快速开发"表明我们有了一份关于HttpClient的中文版使用指南,对于快速理解和应用HttpClient进行开发来说非常有价值。 HttpClient允许开发者执行各种HTTP方法,如GET、POST、PUT、...
然而,具体code.jar的内容需要根据实际下载的文件和项目的上下文来确定。 在使用httpclient.jar时,开发者需要注意版本兼容性,因为不同的HttpClient版本可能与不同的Java版本和服务器环境有不同的适配性。此外,...
HttpClient是个很不错的开源框架(org.appache.http),封装了访问http的请求头,参数,内容体,响应等等,使用起来更方面更强大。 HttpURLConnection是java的标准类,可以实现简单的基于URL请求、响应功能,什么都...
赠送jar包:httpclient-4.5.3.jar 赠送原API文档:httpclient-4.5.3-javadoc.jar 赠送源代码:httpclient-4.5.3-sources.jar ...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
本篇文章将深入探讨如何使用HTTPClient进行多线程分段下载的实践。 首先,我们要理解多线程下载的基本原理。多线程下载是通过将大文件分割成多个小段,每个线程负责下载一个或多个段,这样可以充分利用多核处理器的...
赠送jar包:httpclient-4.5.13.jar; 赠送原API文档:httpclient-4.5.13-javadoc.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。 双语对照,边学技术、边学英语。
赠送jar包:httpclient-4.5.13.jar; 赠送原API文档:httpclient-4.5.13-javadoc.jar; 赠送源代码:httpclient-4.5.13-sources.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。
HttpClient是Apache开源组织Jakarta Commons项目中的一个组件,版本为2.0RC2,它的主要目的是简化HTTP客户端与...通过学习和使用HttpClient,开发者可以避免直接操作底层网络API的繁琐工作,专注于应用程序的核心逻辑。
### HttpClient 实现文件下载 #### 一、简介与原理 在Java开发中,经常会遇到需要通过HTTP协议来获取网络资源的需求,例如从...希望本篇文章能够帮助开发者更好地理解和掌握使用 HttpClient 进行文件下载的技术要点。
通过HttpClient,我们可以方便地访问和下载互联网上的网页内容。你可以在这里找到HttpClient的更多信息和下载链接:https://hc.apache.org/httpcomponents-client-ga/index.html HtmlParser是一个开源的HTML解析库...
赠送jar包:httpclient-4.4.1.jar; 赠送原API文档:httpclient-4.4.1-javadoc.jar;...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。 双语对照,边学技术、边学英语。