我正在通过建立一个合法的连接从一个网站上阅读源代码,就像在Java中这样:
final Socket sock = new Socket(hostname, 80);
PrintWriter writer = new PrintWriter(sock.getOutputStream(), true);
writer.println("GET /path HTTP/1.1");
writer.println("Host: " + hostname);
writer.println();
//...
while (!sock.isClosed() && (line = reader.readLine()) != null) {
System.out.println(line);
}它工作得很好,除了输出中有一些奇怪的行,当我用-比如说- Firefox浏览网站时,这些行是不存在的。
问题是源码的某些行会因为一些随机的不同信息而中断,我不知道为什么我会得到这样的信息来毁掉我的源码。
<div clas
16d0
s="span5">或
<td style="text-align:c
2000
enter; vertical-align:middle">information</td>这是什么?我如何修复它?
发布于 2013-05-15 17:45:35
看起来服务器正在向你发送分块数据。你能用HTTP/1.0代替1.1吗?这将确保不会对响应执行分块操作。
发布于 2013-05-15 17:49:53
您正在从套接字读取原始HTTP流,而不是使用现有的HTTP读取器。
如果你真的想这样做,你应该阅读HTTP specification。在你的情况下,尤其是教派。3.6关于分块传输。
https://stackoverflow.com/questions/16561665
复制相似问题