HttpClient_4 用法 由HttpClient_3 升级到 HttpClient_4 必看

HttpClient程序包是一个实现了 HTTP 协议的客户端编程工具包，要想熟练的掌握它，必须熟悉 HTTP协议。一个最简单的调用如下：

 

import java.io.IOException;

import org.apache.http.HttpResponse;

import org.apache.http.client.ClientProtocolException;

import org.apache.http.client.HttpClient;

import org.apache.http.client.methods.HttpGet;

import org.apache.http.client.methods.HttpUriRequest;

import org.apache.http.impl.client.DefaultHttpClient;

 

public class Test {

    public static void main(String[] args) {

 

       // 核心应用类

       HttpClient httpClient = new DefaultHttpClient();

 

        // HTTP请求

        HttpUriRequest request =

                new HttpGet("http://localhost/index.html");

 

        // 打印请求信息

        System.out.println(request.getRequestLine());

        try {

            // 发送请求，返回响应

            HttpResponse response = httpClient.execute(request);

 

            // 打印响应信息

            System.out.println(response.getStatusLine());

        } catch (ClientProtocolException e) {

            // 协议错误

            e.printStackTrace();

        } catch (IOException e) {

            // 网络异常

            e.printStackTrace();

        }

    }

}

 

如果HTTP服务器正常并且存在相应的服务，则上例会打印出两行结果：

 

    GET http://localhost/index.html HTTP/1.1

    HTTP/1.1 200 OK 

 

核心对象httpClient的调用非常直观，其execute方法传入一个request对象，返回一个response对象。使用 httpClient发出HTTP请求时，系统可能抛出两种异常，分别是ClientProtocolException和IOException。第一种异常的发生通常是协议错误导致，如在构造HttpGet对象时传入的协议不对（例如不小心将”http”写成”htp”），或者服务器端返回的内容不符合HTTP协议要求等；第二种异常一般是由于网络原因引起的异常，如HTTP服务器未启动等。

从实际应用的角度看，HTTP协议由两大部分组成：HTTP请求和HTTP响应。那么HttpClient程序包是如何实现HTTP客户端应用的呢？实现过程中需要注意哪些问题呢？

HTTP请求

 

HTTP 1.1由以下几种请求组成：GET, HEAD, POST, PUT, DELETE, TRACE and OPTIONS， 程序包中分别用HttpGet, HttpHead, HttpPost, HttpPut, HttpDelete, HttpTrace, and HttpOptions 这几个类创建请求。所有的这些类均实现了HttpUriRequest接口，故可以作为execute的执行参数使用。

所有请求中最常用的是GET与POST两种请求，与创建GET请求的方法相同，可以用如下方法创建一个POST请求：

 

HttpUriRequest request = new HttpPost(

        "http://localhost/index.html");

 

 

HTTP请求格式告诉我们，有两个位置或者说两种方式可以为request提供参数：request-line方式与request-body方式。

request-line

 

request-line方式是指在请求行上通过URI直接提供参数。

（1）

我们可以在生成request对象时提供带参数的URI，如：

 

HttpUriRequest request = new HttpGet(

        "http://localhost/index.html?param1=value1&param2=value2");

 

（2）

另外，HttpClient程序包为我们提供了URIUtils工具类，可以通过它生成带参数的URI，如：

 

URI uri = URIUtils.createURI("http", "localhost", -1, "/index.html",

    "param1=value1&param2=value2", null);

HttpUriRequest request = new HttpGet(uri);

System.out.println(request.getURI());

 

上例的打印结果如下：

 

    http://localhost/index.html?param1=value1&param2=value2

 

（3）

需要注意的是，如果参数中含有中文，需将参数进行URLEncoding处理，如：

 

String param = "param1=" + URLEncoder.encode("中国", "UTF-8") + "&param2=value2";

URI uri = URIUtils.createURI("http", "localhost", 8080,

"/sshsky/index.html", param, null);

System.out.println(uri);

 

上例的打印结果如下：

 

    http://localhost/index.html?param1=%E4%B8%AD%E5%9B%BD&param2=value2

 

（4）

对于参数的URLEncoding处理，HttpClient程序包为我们准备了另一个工具类：URLEncodedUtils。通过它，我们可以直观的（但是比较复杂）生成URI，如：

 

List params = new ArrayList();

params.add(new BasicNameValuePair("param1", "中国"));

params.add(new BasicNameValuePair("param2", "value2"));

String param = URLEncodedUtils.format(params, "UTF-8");

URI uri = URIUtils.createURI("http", "localhost", 8080,

"/sshsky/index.html", param, null);

System.out.println(uri);

 

上例的打印结果如下：

 

    http://localhost/index.html?param1=%E4%B8%AD%E5%9B%BD&param2=value2

 

request-body

 

与request-line方式不同，request-body方式是在request-body中提供参数，此方式只能用于POST请求。在 HttpClient程序包中有两个类可以完成此项工作，它们分别是UrlEncodedFormEntity类与MultipartEntity类。这两个类均实现了HttpEntity接口。

（1）

使用最多的是UrlEncodedFormEntity类。通过该类创建的对象可以模拟传统的HTML表单传送POST请求中的参数。如下面的表单：

 

<form action="http://localhost/index.html" method="POST">

    <input type="text" name="param1" value="中国"/>

    <input type="text" name="param2" value="value2"/>

    <inupt type="submit" value="submit"/>

</form>

 

我们可以用下面的代码实现：

 

List formParams = new ArrayList();

formParams.add(new BasicNameValuePair("param1", "中国"));

formParams.add(new BasicNameValuePair("param2", "value2"));

HttpEntity entity = new UrlEncodedFormEntity(formParams, "UTF-8");

 

HttpPost request = new HttpPost(“http://localhost/index.html”);

request.setEntity(entity);

 

当然，如果想查看HTTP数据格式，可以通过HttpEntity对象的各种方法取得。如：

 

List formParams = new ArrayList();

formParams.add(new BasicNameValuePair("param1", "中国"));

formParams.add(new BasicNameValuePair("param2", "value2"));

UrlEncodedFormEntity entity = new UrlEncodedFormEntity(formParams, "UTF-8");

 

System.out.println(entity.getContentType());

System.out.println(entity.getContentLength());

System.out.println(EntityUtils.getContentCharSet(entity));

System.out.println(EntityUtils.toString(entity));

 

上例的打印结果如下：

 

    Content-Type: application/x-www-form-urlencoded; charset=UTF-8

    39

    UTF-8

    param1=%E4%B8%AD%E5%9B%BD&param2=value2 

 

（2）

除了传统的application/x-www-form-urlencoded表单，我们另一个经常用到的是上传文件用的表单，这种表单的类型为 multipart/form-data。在HttpClient程序扩展包（HttpMime）中专门有一个类与之对应，那就是 MultipartEntity类。此类同样实现了HttpEntity接口。如下面的表单：

 

<form action="http://localhost/index.html" method="POST"

        enctype="multipart/form-data">

    <input type="text" name="param1" value="中国"/>

    <input type="text" name="param2" value="value2"/>

    <input type="file" name="param3"/>

    <inupt type="submit" value="submit"/>

</form>

 

我们可以用下面的代码实现：

 

MultipartEntity entity = new MultipartEntity();

entity.addPart("param1", new StringBody("中国", Charset.forName("UTF-8")));

entity.addPart("param2", new StringBody("value2", Charset.forName("UTF-8")));

entity.addPart("param3", new FileBody(new File("C:\1.txt")));

 

HttpPost request = new HttpPost(“http://localhost/index.html”);

request.setEntity(entity);

 

HTTP响应

 

HttpClient程序包对于HTTP响应的处理较之HTTP请求来说是简单多了，其过程同样使用了HttpEntity接口。我们可以从 HttpEntity对象中取出数据流（InputStream），该数据流就是服务器返回的响应数据。需要注意的是，HttpClient程序包不负责解析数据流中的内容。如：

 

HttpUriRequest request = ...;

HttpResponse response = httpClient.execute(request);

 

// 从response中取出HttpEntity对象

HttpEntity entity = response.getEntity();

 

// 查看entity的各种指标

System.out.println(entity.getContentType());

System.out.println(entity.getContentLength());

System.out.println(EntityUtils.getContentCharSet(entity));

 

// 取出服务器返回的数据流

InputStream stream = entity.getContent();

 

// 以任意方式操作数据流stream

// 调用方式 略

 

附注：

 

本文说明的是HttpClient 4.0.1，该程序包（包括依赖的程序包）由以下几个JAR包组成：

 

commons-logging-1.1.1.jar

commons-codec-1.4.jar

httpcore-4.0.1.jar

httpclient-4.0.1.jar

apache-mime4j-0.6.jar

httpmime-4.0.1.jar

 

可以在此处下载完整的JAR包。

 

 

 

 

现在Apache已经发布了：HttpCore 4.0-beta3、HttpClient 4.0-beta1。

到此处可以去下载这些源代码：http://hc.apache.org/downloads.cgi

另外，还需要apache-mime4j-0.5.jar 包。

 

在这里先写个简单的POST方法，中文资料不多，英文不太好。

package test;

 

import java.util.ArrayList;

import java.util.List;

import org.apache.http.Header;

import org.apache.http.HttpEntity;

import org.apache.http.HttpResponse;

import org.apache.http.NameValuePair;

import org.apache.http.client.entity.UrlEncodedFormEntity;

import org.apache.http.client.methods.HttpPost;

import org.apache.http.client.params.CookiePolicy;

import org.apache.http.client.params.ClientPNames;

import org.apache.http.impl.client.DefaultHttpClient;

import org.apache.http.message.BasicNameValuePair;

import org.apache.http.protocol.HTTP;

import org.apache.http.util.EntityUtils;

 

public class Test2 {

    public static void main(String[] args) throws Exception {

        DefaultHttpClient httpclient = new DefaultHttpClient();      //实例化一个HttpClient

        HttpResponse response = null;

        HttpEntity entity = null;

        httpclient.getParams().setParameter(

                ClientPNames.COOKIE_POLICY, CookiePolicy.BROWSER_COMPATIBILITY);  //设置cookie的兼容性

        HttpPost httpost = new HttpPost("http://127.0.0.1:8080/pub/jsp/getInfo");           //引号中的参数是：servlet的地址

        List <NameValuePair> nvps = new ArrayList <NameValuePair>();                     

        nvps.add(new BasicNameValuePair("jqm", "fb1f7cbdaf2bf0a9cb5d43736492640e0c4c0cd0232da9de"));  

        //   BasicNameValuePair("name", "value"), name是post方法里的属性, value是传入的参数值

        nvps.add(new BasicNameValuePair("sqm", "1bb5b5b45915c8"));

        httpost.setEntity(new UrlEncodedFormEntity(nvps, HTTP.UTF_8));            //将参数传入post方法中

        response = httpclient.execute(httpost);                                               //执行

        entity = response.getEntity();                                                             //返回服务器响应

        try{

            System.out.println("----------------------------------------");

            System.out.println(response.getStatusLine());                           //服务器返回状态

            Header[] headers = response.getAllHeaders();                    //返回的HTTP头信息

            for (int i=0; i<headers.length; i++) {                              

            System.out.println(headers[i]);

            }

            System.out.println("----------------------------------------");

            String responseString = null;

            if (response.getEntity() != null) {

            responseString = EntityUtils.toString(response.getEntity());      / /返回服务器响应的HTML代码

            System.out.println(responseString);                                   //打印出服务器响应的HTML代码

            }

        } finally {

            if (entity != null)                          

            entity.consumeContent();                                                   // release connection gracefully

        }

        System.out.println("Login form get: " + response.getStatusLine());

        if (entity != null) {

        entity.consumeContent();

        }

       

    }

}

 

 

 

 

HttpClient4.0 学习实例 - 页面获取

 

HttpClient 4.0出来不久，所以网络上面相关的实例教程不多，搜httpclient得到的大部分都是基于原 Commons HttpClient 3.1 (legacy) 包的，官网下载页面：http://hc.apache.org/downloads.cgi，如果大家看了官网说明就明白httpclient4.0是从原包分支出来独立成包的，以后原来那个包中的httpclient不会再升级，所以以后我们是用httpclient新分支，由于4.0与之前的3.1包结构以及接口等都有较大变化，所以网上搜到的实例大部分都是不适合4.0的，当然，我们可以通过那些实例去琢磨4.0的用法，我也是新手，记录下学习过程方便以后检索

 

本实例我们来获取抓取网页编码，内容等信息

 

默认情况下，服务器端会根据客户端的请求头信息来返回服务器支持的编码，像google.cn他本身支持utf-8,gb2312等编码，所以如果你在头部中不指定任何头部信息的话他默认会返回gb2312编码，而如果我们在浏览器中直接访问google.cn，通过httplook，或者firefox 的firebug插件查看返回头部信息的话会发现他返回的是UTF-8编码

 

下面我们还是看实例来解说吧，注释等我也放代码里面解释，放完整代码，方便新手理解

 

本实例将

 

使用的httpclient相关包

httpclient-4.0.jar

httpcore-4.0.1.jar

httpmime-4.0.jar

commons-logging-1.0.4.jar等其它相关包

 

// HttpClientTest.java

package com.baihuo.crawler.test;

 

import java.util.regex.Matcher;

import java.util.regex.Pattern;

 

import org.apache.http.Header;

import org.apache.http.HttpEntity;

import org.apache.http.HttpHost;

import org.apache.http.HttpResponse;

import org.apache.http.client.HttpClient;

import org.apache.http.client.methods.HttpGet;

import org.apache.http.impl.client.DefaultHttpClient;

import org.apache.http.util.EntityUtils;

 

class HttpClientTest {

 

    public final static void main(String[] args) throws Exception {

 

        // 初始化，此处构造函数就与3.1中不同

        HttpClient httpclient = new DefaultHttpClient();

 

        HttpHost targetHost = new HttpHost("www.google.cn");

        //HttpGet httpget = new HttpGet("http://www.apache.org/");

        HttpGet httpget = new HttpGet("/");

 

        // 查看默认request头部信息

        System.out.println("Accept-Charset:" + httpget.getFirstHeader("Accept-Charset"));

        // 以下这条如果不加会发现无论你设置Accept-Charset为gbk还是utf-8，他都会默认返回gb2312（本例针对google.cn来说）

        httpget.setHeader("User-Agent", "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.2)");

        // 用逗号分隔显示可以同时接受多种编码

        httpget.setHeader("Accept-Language", "zh-cn,zh;q=0.5");

        httpget.setHeader("Accept-Charset", "GB2312,utf-8;q=0.7,*;q=0.7");

        // 验证头部信息设置生效

        System.out.println("Accept-Charset:" + httpget.getFirstHeader("Accept-Charset").getValue());

 

        // Execute HTTP request

        System.out.println("executing request " + httpget.getURI());

        HttpResponse response = httpclient.execute(targetHost, httpget);

        //HttpResponse response = httpclient.execute(httpget);

 

        System.out.println("----------------------------------------");

        System.out.println("Location: " + response.getLastHeader("Location"));

        System.out.println(response.getStatusLine().getStatusCode());

        System.out.println(response.getLastHeader("Content-Type"));

        System.out.println(response.getLastHeader("Content-Length"));

        

        System.out.println("----------------------------------------");

 

        // 判断页面返回状态判断是否进行转向抓取新链接

        int statusCode = response.getStatusLine().getStatusCode();

        if ((statusCode == HttpStatus.SC_MOVED_PERMANENTLY) ||

                (statusCode == HttpStatus.SC_MOVED_TEMPORARILY) ||

                (statusCode == HttpStatus.SC_SEE_OTHER) ||

                (statusCode == HttpStatus.SC_TEMPORARY_REDIRECT)) {

            // 此处重定向处理  此处还未验证

            String newUri = response.getLastHeader("Location").getValue();

            httpclient = new DefaultHttpClient();

            httpget = new HttpGet(newUri);

            response = httpclient.execute(httpget);

        }

 

        // Get hold of the response entity

        HttpEntity entity = response.getEntity();

        

        // 查看所有返回头部信息

        Header headers[] = response.getAllHeaders();

        int ii = 0;

        while (ii < headers.length) {

            System.out.println(headers[ii].getName() + ": " + headers[ii].getValue());

            ++ii;

        }

        

        // If the response does not enclose an entity, there is no need

        // to bother about connection release

        if (entity != null) {

            // 将源码流保存在一个byte数组当中，因为可能需要两次用到该流，

            byte[] bytes = EntityUtils.toByteArray(entity);

            String charSet = "";

            

            // 如果头部Content-Type中包含了编码信息，那么我们可以直接在此处获取

            charSet = EntityUtils.getContentCharSet(entity);

 

            System.out.println("In header: " + charSet);

            // 如果头部中没有，那么我们需要 查看页面源码，这个方法虽然不能说完全正确，因为有些粗糙的网页编码者没有在页面中写头部编码信息

            if (charSet == "") {

                regEx="(?=<meta).*?(?<=charset=[\'|\"]?)([[a-z]|[A-Z]|[0-9]|-]*)";

                p=Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);

                m=p.matcher(new String(bytes));  // 默认编码转成字符串，因为我们的匹配中无中文，所以串中可能的乱码对我们没有影响

                result=m.find();

                if (m.groupCount() == 1) {

                    charSet = m.group(1);

                } else {

                    charSet = "";

                }

            }

            System.out.println("Last get: " + charSet);

            // 至此，我们可以将原byte数组按照正常编码专成字符串输出（如果找到了编码的话）

            System.out.println("Encoding string is: " + new String(bytes, charSet));

        }

 

        httpclient.getConnectionManager().shutdown();        

    }

 

}