java 网页读取与存储

读入 http://www.sina.com.cn 网页的内容，并以可读形式将其输出到一个文件中去

import java.io.*;
import java.net.URL;

/**
 * Created by Wu on 2017/4/17.
 */
public class ReadURL {
    public static void main(String args[]) throws Exception{
        URL u = new URL("http://www.sina.com");
        InputStream is = u.openStream();
        is = new BufferedInputStream(is);
        Reader r = new InputStreamReader(is,"UTF-8");
        FileOutputStream fos = new FileOutputStream("./sina.html");
        OutputStreamWriter writer = new OutputStreamWriter(fos,"UTF-8");
        int c = 0;
        while((c = r.read())!=-1){
            writer.write(c);
        }
        writer.close();
    }
}

创建一个新浪url的InputStream类 is，再创建一个InputStreamReader r读取 is，此时注意要传入编码参数UTF-8，因为若是使用默认编码参数，会自动使用系统的编码方式。下图可以发现电脑的默认编码方式为GBK。(IntelliJ IDEA在settings->Editor->File Encodings 中查看)

因为网页的编码格式是UTF-8，所以若是不穿参的话会导致网页中文乱码。之后再创建FileOutputStream类和OutputWriter将网页写入文件。运行程序我们可得如下结果

打开此url

并未出现中文乱码