我正在尝试编写一个java程序来备份远程服务器上的HTTP目录。远程服务器跨越多个 VPN/防火墙/其他设备,因此连接并不总是最好的。
所以我首先下载根目录列表并递归地浏览条目。这是一个简单的单线程程序。
所以我的问题是,有时我得到的 HTML 已损坏。主要是它在整个文档中有多个空字节,我可以使用replaceAll将其删除。 但另一件事是,它似乎有一些文本 block 两次(或更多次?),所以而不是“这是一个文本,请读我。”我得到类似“这是一个 teis 是一个 xt,请读我的信息。”。如果你删掉重复的“is is a”,那就没问题了。整个文档中通常有多个重复文本。
当我使用浏览器(即 Firefox)浏览目录时,没有任何问题,一切看起来都很好。只是我的下载器不断收到损坏的数据。
这是我的代码片段,它获取 HTML 列表数据:
InputStream is = con.getInputStream();
if ("gzip".equals(con.getContentEncoding())) {
is = new GZIPInputStream(is);
}
int x = 0;
byte[] data = new byte[1024];
while ((x = is.read(data, 0, 1024)) >= 0) {
if (x > 0) {
retval += new String(data);
}
}
有什么想法吗,我做错了什么?
您好!
最佳答案
替换为:
retval += new String(data, 0, x);
如果您之前阅读的内容少于 1024
和 1024
,您将得到 x
+ (1024-x
code>) 上一个循环留下的数据
关于java - Java 程序中的下载有时会损坏,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16357730/