HtmlUnit：PDFリンクを保存

Question

HtmlUnitを使用してウェブサイトからpdfLinkをダウンロードするにはどうすればよいですか？ HtmlClient.getPage（）のデフォルトの戻り値はHtmlPageです。これはpdfファイルを処理しません。

Answer 1

答えがHTMLファイルではない場合、HtmlClient.getPageはUnexpectedPageを返します。あなたは入力ストリームとしてpdfを入手して保存することができます。

private void grabPdf(String urlNow) 
{ 
    OutputStream outStream =null; 
    InputStream is = null; 
    try 
    { 
     if(urlNow.endsWith(".pdf")) 
     { 
      final WebClient webClient = new WebClient(BrowserVersion.FIREFOX_45); 
      try 
      { 
       setWebClientOptions(webClient); 
       final UnexpectedPage pdfPage = webClient.getPage(urlNow); 
       is = pdfPage.getWebResponse().getContentAsStream(); 

       String fileName = "myfilename"; 
       fileName = fileName.replaceAll("[^A-Za-z0-9]", ""); 

       File targetFile = new File(outputPath + File.separator + fileName + ".pdf"); 
       outStream = new FileOutputStream(targetFile); 
       byte[] buffer = new byte[8 * 1024]; 
       int bytesRead; 
       while ((bytesRead = is.read(buffer)) != -1) 
       { 
        outStream.write(buffer, 0, bytesRead); 
       } 


      } 
      catch (Exception e) 
      { 
       NioLog.getLogger().error(e.getMessage(), e); 
      } 
      finally 
      { 
       webClient.close(); 
       if(null!=is) 
       { 
        is.close(); 
       } 
       if(null!=outStream) 
       { 
        outStream.close(); 
       } 
      } 
     } 
    } 
    catch (Exception e) 
    { 
     NioLog.getLogger().error(e.getMessage(), e); 
    } 

} 

サイドノート。出力ストリームはtryブロック内でのみ初期化できるので、私はリソースを使ってtryを使用しませんでした。私は2つの方法にぶつかる可能性がありますが、それはプログラマが読むことが認知的に遅くなります。