Cómo recuperar HTML en Java

Question

Sin el uso de ninguna biblioteca externa, ¿cuál es la forma más sencilla de obtener el contenido HTML de un sitio web en una cadena?

Answer 1

Actualmente estoy usando esto:

String content = null; 
URLConnection connection = null; 
try { 
    connection = new URL("http://www.google.com").openConnection(); 
    Scanner scanner = new Scanner(connection.getInputStream()); 
    scanner.useDelimiter("\\Z"); 
    content = scanner.next(); 
}catch (Exception ex) { 
    ex.printStackTrace(); 
} 
System.out.println(content); 

Pero no estoy seguro si hay una manera mejor.

Answer 2

Acabo de salir this post in your other thread, aunque lo que tienes arriba también podría funcionar. No creo que ninguno sea más fácil que el otro. Se puede acceder a los paquetes de Apache simplemente usando import org.apache.commons.HttpClient en la parte superior de su código.

Editar: ¿Ha olvidado el enlace;)

Answer 3

Esto ha funcionado bien para mí:

URL url = new URL(theURL); 
InputStream is = url.openStream(); 
int ptr = 0; 
StringBuffer buffer = new StringBuffer(); 
while ((ptr = is.read()) != -1) { 
    buffer.append((char)ptr); 
} 

No estoy seguro de si en la otra solución (s) proporcionado son más eficientes o no.

Answer 4

Si bien no vainilla-Java, ofreceré una solución más simple. Utilice maravilloso ;-)

String siteContent = new URL("http://www.google.com").text