使用 Java 获取以下页面的源代码

Question

我正在尝试获取以下页面的源代码：http://www.amazon.com/gp/offer-listing/082470732X/ref=dp_olp_0?ie=UTF8&redirect=true&condition=all （请注意，如果您单击链接，亚马逊会将您带到另一个页面。要访问我有兴趣阅读的页面，请复制链接并将其粘贴到浏览器的空白选项卡中。谢谢！）

通常使用 java.net API，我可以毫无问题地获取大多数 URL 的源代码，但是对于上面的链接，我什么也得不到。原来连接生成的输入流是gzip编码的，于是我尝试了如下：

URL url = new URL(urlString);
HttpURLConnection urlConnection = (HttpURLConnection) url.openConnection();
InputStream is = urlConnection.getInputStream();
HttpURLConnection.setFollowRedirects(true);
urlConnection.setRequestProperty("Accept-Encoding", "gzip, deflate");
String encoding = urlConnection.getContentEncoding();
if (encoding != null && encoding.equalsIgnoreCase("gzip")) {
     is = new GZIPInputStream(is);
} else if (encoding != null && encoding.equalsIgnoreCase("deflate")) {
     is = new InflaterInputStream((is), new Inflater(true));
}

但是这次我确定性地收到以下错误：

java.io.EOFException
at java.util.zip.GZIPInputStream.readUByte(GZIPInputStream.java:249)
at java.util.zip.GZIPInputStream.readUShort(GZIPInputStream.java:239)
at java.util.zip.GZIPInputStream.readHeader(GZIPInputStream.java:142)
at java.util.zip.GZIPInputStream.<init>(GZIPInputStream.java:58)
at java.util.zip.GZIPInputStream.<init>(GZIPInputStream.java:67)
at domain.logic.ItemScraper.loadURL(ItemScraper.java:405)
at domain.logic.ItemScraper.main(ItemScraper.java:510)

谁能看到我的错误？还有其他方法可以阅读此特定页面吗？有人能解释一下为什么我的浏览器（firefox）可以读取它，但是我无法使用 Java 读取源代码吗？

提前致谢，致以最诚挚的问候，

Answer 1

代替

is = new GZIPInputStream(is);

试试

is = new GZIPInputStream(urlConnection.getInputStream());

至于EOFException，如果加的话

urlConnection.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.24 (KHTML, like Gecko) Chrome/11.0.696.50 Safari/534.24");

它会消失。

Answer 2

您可以使用标准的 BufferedReader 读取给定 URL 的网络服务器的响应。

URLIn = new BufferedReader(new InputStreamReader(new URL(URLOrFilename).openStream()));

然后使用 ...

while ((incomingLine = URLIn.readLine()) != null) {
 ...
}

...获取响应。