URL类

java.net.URL类是对统一资源定位符(如http://www.lolcats.com)的抽象。它扩展了java.lang.Object，是一个final类。它采用策略模式，协议处理器(protocol handler)就是策略，URL类构成Context，通过它来选择不同的策略。

URL是一个字符串，但是对于URL类而言，这个字符串会被分解为URL类中的各个属性。URL类中的属性包括协议，主机名，端口，路径，查询字符串和片段标识。在构造了一个URL对象后其字段不再改变，所以URL是线程安全的。

构造URL对象

---

通过字符串构造URL对象

public URL(String url)

try {
            URL u = new URL("http://www.xdysite.cn");
        } catch (MalformedURLException e) {
            System.out.println(e);
        }

通过组成部分构造URL

pulbic URL(String protocol, String hostname, String file)

pulbic URL(String protocol, String hostname, int port String file)

try {
            //采用默认端口构造
            URL u1 = new URL("http", "www.xdysite.cn","/index.php");
            //使用8000端口构造
            URL u2 = new URL("http", "www.xdysite.cn", 8000, "/index.php");
        } catch (MalformedURLException e) {
            System.out.println();
        }

构造相对URL

public URL(URL base, String relative)

try {
            URL u1 = new URL("http://www.xdysite.cn/javafaq/index.xml");
            URL u2 = new URL(u1, "mailinglists.html");
        } catch (MalformedURLException e) {
            System.out.println();
        }

如果有一个基础的URL(http://www.xdysite.cn/javafaq/index.html)，通过上述方式可以构造出一个新的URL(http://www.xdysite.cn/javafaq/mailinglists.html)

从URL获取数据

---

直接打开流来获取数据

public final InputStream openStream()

该方法会直接从URL指向的资源中获取数据，如果资源是HTML页面，那么会直接获取页面的数据。并不会获取关于HTTP头部的信息。

try {
            URL u = new URL("http://www.xdysite.cn/index.php");
            try(Reader r = new InputStreamReader(new BufferedInputStream(u.openStream()))){
                int c;
                while((c = r.read())!=-1){
                    System.out.print((char)c);
                }
            }
        } catch (IOException e) {
            System.out.println(e);
        }

获取一个具体的对象

public final Object getContent()

该方法会获取URL指向的数据，并尝试建立某种类型的对象。如果URL指示某种文本(HTML/XML),返回的对象通常是某种InputStream。如果URL指示一个图像(如GIF或JPEG),getContent()通常会返回一个java.awt.ImageProducer。

try {
            URL u = new URL("http://www.xdysite.cn/index.html");
            try(Reader r = new InputStreamReader(new BufferedInputStream((InputStream)u.getContent()))){
                int c;
                while((c = r.read())!=-1){
                    System.out.print((char)c);
                }
            }
        } catch (IOException e) {
            System.out.println(e);
        }

URL编码问题

---

由于在发明Web时Unicode编码还没有普及，使得URL中使用的字符必须来自于ASCII码中的一个固定的子集，确切的讲，包括：

大写字母A-Z

小写字母a-z

数字0-9

标点符号 – _ . ! ~ * ' ,

特殊用途的字符 / & ? @ # ; $ + = %

就目前的而言只有上面的字符才能出现在URL中.如果在URL中需要出现一些上面没有的字符时，需要对URL进行编码。

URLEncoder类

可以使用该类对一个字符串进行编码,编码后会将将结果转为%和两个十六进制数。现在通用的编码机制是UTF-8

try {
            System.out.println(URLEncoder.encode("This is a string", "UTF-8"));
            System.out.println(URLEncoder.encode("This/is/a/string", "UTF-8"));
            System.out.println(URLEncoder.encode("This\"is\"a\"string", "UTF-8"));
            System.out.println(URLEncoder.encode("This_is.a-string*", "UTF-8"));
        } catch (UnsupportedEncodingException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }

过度编码

在URL中允许出现的字符是不需要进行编码的。但是使用URL类时，会对斜线(/),与号(&)，等号(=)进行编码。我们知道在URL中斜线(/)表示下一级目录。如果对其进行编码会导致我们无法访问资源。这就是过度编码问题。为了解决这个问题，我们需要逐步分对URL进行编码，而不是对整个URL进行编码。

try {
            String query = URLEncoder.encode("http://www.baidu.com/s?wd=火影&sp=on", "UTF-8");
            System.out.println(query);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

输出结果

我们看到URLEncoder对斜杠(/)都进行编码，这个不是我们想要的。我们只需要对“火影”进行编码即可。

try {
            String query = "http://www.baidu.com/s?wd="+URLEncoder.encode("火影", "utf-8")+"&sp=on";
            System.out.println(query);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

输出结果

由于使用UTF-8对“火影”进行编码后需要6个字节进行存储(每个汉字三个字节)，所以显示出来是%E7%81%AB%E5%BD%B1,每个%后是一个字节，用十六进制表示。