Java下载网页源html的最佳方式

Question

我在写一个小爬虫。下载网页源html的最佳方式是什么？我目前正在使用下面的一小段代码，但有时结果只是页面源代码的一半！！！我不知道有什么问题。有人建议我应该使用Jsoup，但使用。收到如果页面太长，Jsoup中的html（）函数也会返回一半的源代码。因为我正在编写一个爬虫程序，所以该方法支持unicode（UTF-8）非常重要，效率也非常重要。我想知道最好的现代方法，所以我问你们，因为我是Java新手。谢谢

代码：

public static String downloadPage(String url)
    {
        try
        {
            URL pageURL = new URL(url);
            StringBuilder text = new StringBuilder();
            Scanner scanner = new Scanner(pageURL.openStream(), "utf-8");
            try {
                while (scanner.hasNextLine()){
                    text.append(scanner.nextLine() + NL);
                }
            }
            finally{
                scanner.close();
            }
            return text.toString();
        }
        catch(Exception ex)
        {
            return null;
        }
    }

Answer 1

就个人而言，我对Apache HTTP库http://hc.apache.org/httpcomponents-client-ga/非常满意。如果你在写一个网络爬虫，我也是，你可能会非常感激它对cookies和客户端共享等东西的控制

Answer 2

我使用commons-ioString html = IOUtils.toString(url.openStream(), "utf-8");