用Java下载PDF是否已损坏？
我已经阅读了关于如何使用Java从Internet下载和保存文件的优秀讨论。 但是，如果我执行下一个代码，我会得到一个损坏的PDF。 知道为什么吗？
import java.io.*; import java.net.*; public class PDFDownload { public static String URL = "http://www.nbc.com/Heroes/novels/downloads/"; public static String FOLDER = "C:/Users/sdelamo/workspace/SandBox/HeroesNovel/"; public static void main(String[] args) { String filename = "Heroes_novel_001.pdf"; try { saveUrl(FOLDER + filename, URL + filename); } catch (MalformedURLException e) { System.out.println("MalformedURLException"); } catch (IOException e) { System.out.println("IOException"); } } public static void saveUrl(String filename, String urlString) throws MalformedURLException, IOException { BufferedInputStream in = null; FileOutputStream fout = null; try { URL url = new URL(urlString); in = new BufferedInputStream(url.openStream()); fout = new FileOutputStream(filename); byte data[] = new byte[1024]; int count; while ((count = in.read(data, 0, 1024)) != -1) { fout.write(data, 0, count); } } finally { if (in != null) in.close(); if (fout != null) fout.close(); } } } 上面的代码下载html而不是PDF。 这是输出：
NBC.com: Heroes 
Mondays 9/8c <!--Mondays 8/7c-->
FEATURED CONTENT
Dreams Heroes premieres Mon., Sept. 21s... 
Recap: Season 3 Episode An Invisible Thread 
Photo: Heroes "Cast Photos"
HEROES
About Videos Episode Recaps Photos Community Shows List
<!-- 
--> © NBC Universal, Inc.
知道如何下载PDF吗？
解
连接前设置User-Agent。
URL u = new URL(urlString); HttpURLConnection huc = (HttpURLConnection) u.openConnection(); huc.setRequestMethod("GET"); huc.setRequestProperty("User-Agent", " Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.1.2) Gecko/20090729 Firefox/3.5.2 (.NET CLR 3.5.30729)"); huc.connect(); in = new BufferedInputStream(huc.getInputStream());
这与您的其他问题是同一个问题。 如果它认为你是刮刀，NBC.com不会向你发回PDF 🙂
同样的技巧会做，
conn.setRequestProperty("User-Agent", "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10.5; en-US; rv:1.9.0.13) Gecko/2009073021 Firefox/3.0.13");
您是否尝试使用文本编辑器查看下载的文件？
您会看到它包含HTML页面，而不是PDF。 可能URL不指向PDF，或者有一些重定向，标准java.net类默认不支持。
确保URL正确指向PDF。 您可以使用Apache HttpClient通过HTTP执行更复杂的操作，包括自动处理HTTP重定向。
注意：您发布的代码无法编译，因为您错误地放置了} 。
检查生成的文件 – 我希望它是一个HTML文件。 如果没有引用者或使用JavaScript重定向页面或其他内容，该站点可能会返回错误。 您可以使用HttpURLConnection类检查服务器返回的HTTP标头。
URL url = new URL( "http://www.nbc.com/Heroes/novels/downloads/Heroes_novel_001.pdf"); HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("HEAD"); try { for (Map.Entry> header : conn.getHeaderFields() .entrySet()) { System.out.println(header.getKey() + "=" + header.getValue()); } } finally { conn.disconnect(); }
上面的代码返回text/html的Content-Type 。
对于这种探索，我强烈推荐Jython （或Groovy，或……）。 例如：
C：\用户\维奈>的jython Jython 2.5.0（Release_2_5_0：6476，2009年6月16日，13：33：26） [Java HotSpot（TM）客户端VM（Sun Microsystems Inc.）]，java1.6.0_16 输入“帮助”，“版权”，“信用”或“许可”以获取更多信息。 >>> s =“http://www.nbc.com/Heroes/novels/downloads/Heroes_novel_001.pdf” >>> import java.net >>>导入jarray >>> u = java.net.URL（s） >>> os = u.openStream（） >>> buffer = jarray.zeros（1024，'b'） >>> n = os.read（缓冲区，0,1024） >>> java.lang.String（buffer）
meta http-equiv="refresh" content="200"> NBC.com: Heroes 
版画
所以该网站正在查看User-Agent标头。
如果设置User-Agent没有解决它。 这可能是Cookies的一个问题。 安装简单的浏览器插件（EditThisCookie，用于Chrome的HTTP Spy）并检查请求和响应标头。 抓取这些cookie值并使用相同的HttpURLConnection设置它们。
代码:(扩展到Sergio del Amo发布的解决方案）
URL u = new URL(urlString); HttpURLConnection huc = (HttpURLConnection) u.openConnection(); huc.setRequestMethod("GET"); huc.setRequestProperty("User-Agent", " Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.1.2) Gecko/20090729 Firefox/3.5.2 (.NET CLR 3.5.30729)"); String myCookies = "cookie_name_1=cookie_value_1;cokoie_name_2=cookie_value_2"; huc.setRequestProperty("Cookie", myCookies); huc.connect(); in = new BufferedInputStream(huc.getInputStream());