如何以编程方式从扩展名为 .html 的网页下载 pdf 文件？答案

【问题标题】：How to download a pdf file programmatically from a webpage with .html extension?如何以编程方式从扩展名为 .html 的网页下载 pdf 文件？
【发布时间】：2013-10-11 02:28:08
【问题描述】：

我在这个论坛上查看了所有类似的questions（不仅是这个！），并尝试了所有这些方法，但仍然无法以编程方式下载测试文件：http://pdfobject.com/markup/examples/full-browser-window.html

以下是我要下载的测试文件的direct link。这是一个开放访问的测试pdf文件，因此任何人都可以使用它来测试下载方法。

如何下载此特定文件以使其具有 pdf 扩展名？

【问题讨论】：

你可以按照那些答案所说的去做。向我们展示您尝试了什么以及失败的原因。
您遇到了什么具体问题？听起来您只是在说“它不起作用”-您是否遇到错误？崩溃？还有什么？
感谢您的回复。我尝试了所有找到的方法，但总是有错误，例如contentLenght = -1。我将使用我的一次尝试的代码更新我的问题，但这会占用大量空间。这是更新（见上文）
您下载它就像下载任何其他类型的文件一样，扩展名几乎不相关。
这与硒无关。

标签： java pdf selenium inputstream fileutils

【解决方案1】：

对于下载文件，也许你可以尝试这样的事情：

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.net.URLConnection;

public final class FileDownloader {

    private FileDownloader(){}

    public static void main(String args[]) throws IOException{
        download("http://pdfobject.com/pdf/sample.pdf", new File("sample.pdf"));
    }

    public static void download(final String url, final File destination) throws IOException {
        final URLConnection connection = new URL(url).openConnection();
        connection.setConnectTimeout(60000);
        connection.setReadTimeout(60000);
        connection.addRequestProperty("User-Agent", "Mozilla/5.0");
        final FileOutputStream output = new FileOutputStream(destination, false);
        final byte[] buffer = new byte[2048];
        int read;
        final InputStream input = connection.getInputStream();
        while((read = input.read(buffer)) > -1)
            output.write(buffer, 0, read);
        output.flush();
        output.close();
        input.close();
    }
}

【讨论】：

+1 非常感谢...我不知道这种方法，但是它给出了与其他方法相同类型的错误：although the file gets saved, is is damaged and could not be opened
这很奇怪，因为它对我有用：puu.sh/4N0S6.png 也许您的 PDF 阅读器已损坏。
您很可能是对的...请您包括import ... 行...也许我混淆了一些东西谢谢
这很奇怪......我以为我得到了错误的导入......但相反我的导入没问题......而且Adobe阅读器也很好......我不知道为什么它不会打开它
@CHEBURASHKA 再次测试了这两种方法，都对我有用。请注意，如果您使用的是download()，它可能会附加字节，请尝试使用download2()

【解决方案2】：

让我给你一个更简短的解决方案，它带有一个名为 JSoup 的库，BalusC 经常在他的回答中使用它。

//Get the response
Response response=Jsoup.connect(location).ignoreContentType(true).execute();

//Save the file 
FileOutputStream out = new FileOutputStream(new File(outputFolder + name));
out.write(response.bodyAsBytes());
out.close();

嗯，你现在一定已经猜到了，response.body() 是 pdf 的位置。您可以使用这段代码下载任何二进制文件。

【讨论】：

非常感谢。我会试试这个解决方案 +50