網頁可以透過meta標籤的charset來設定網頁編碼，譬如：
<meta charset="utf-8" />
我們右鍵，查看頁面原始碼：
可以看到，知乎採用的是UTF-8編碼。
在這裡和大家解釋一下查看頁面原始碼和審查元素的差異。
查看頁面源代碼是顯示整個頁面的所有代碼，沒有按照HTML的標籤進行排版，相當於是直接查看源碼，這種方式對於查看整個網頁的信息，比如meta比較有用。
審查元素，或有的瀏覽器叫查看元素，是針對你右鍵的元素進行查看，例如一個div或img，比較適用於單獨查看某個物件的屬性和標籤。
好的，我們現在知道了問題出在了編碼上，接下來就是對抓取到的內容進行編碼轉換了。
在java中實作很簡單，只需要在InputStreamReader裡面指定編碼方式就行：
// 初始化 BufferedReader输入流来读取URL的响应
in = new BufferedReader(new InputStreamReader(
connection.getInputStream(),"UTF-8"));此時再運行程序，便會發現可以正常顯示標題了：
好的！非常好！
但是現在才只有一個標題，我們需要的是所有的標題。
我們將正則稍加修改，把搜索到的結果存儲到一個ArrayList裡面：
import java.io.*;
import java.net.*;
import java.util.ArrayList;
import java.util.regex.*;
public class Main {
static String SendGet(String url) {
// 定义一个字符串用来存储网页内容
String result = "";
// 定义一个缓冲字符输入流
BufferedReader in = null;
try {
// 将string转成url对象
URL realUrl = new URL(url);
// 初始化一个链接到那个url的连接
URLConnection connection = realUrl.openConnection();
// 开始实际的连接
connection.connect();
// 初始化 BufferedReader输入流来读取URL的响应
in = new BufferedReader(new InputStreamReader(
connection.getInputStream(), "UTF-8"));
// 用来临时存储抓取到的每一行的数据
String line;
while ((line = in.readLine()) != null) {
// 遍历抓取到的每一行并将其存储到result里面
result += line;
}
} catch (Exception e) {
System.out.println("发送GET请求出现异常！" + e);
e.printStackTrace();
}
// 使用finally来关闭输入流
finally {
try {
if (in != null) {
in.close();
}
} catch (Exception e2) {
e2.printStackTrace();
}
}
return result;
}
static ArrayList<String> RegexString(String targetStr, String patternStr) {
// 预定义一个ArrayList来存储结果
ArrayList<String> results = new ArrayList<String>();
// 定义一个样式模板，此中使用正则表达式，括号中是要抓的内容
Pattern pattern = Pattern.compile(patternStr);
// 定义一个matcher用来做匹配
Matcher matcher = pattern.matcher(targetStr);
// 如果找到了
boolean isFind = matcher.find();
// 使用循环将句子里所有的kelvin找出并替换再将内容加到sb里
while (isFind) {
//添加成功匹配的结果
results.add(matcher.group(1));
// 继续查找下一个匹配对象
isFind = matcher.find();
}
return results;
}
public static void main(String[] args) {
// 定义即将访问的链接
String url = "http://www.zhihu.com/explore/recommendations";
// 访问链接并获取页面内容
String result = SendGet(url);
// 使用正则匹配图片的src内容
ArrayList<String> imgSrc = RegexString(result, "question_link.+?>(.+?)<");
// 打印结果
System.out.println(imgSrc);
}
}這樣就能匹配到所有的結果了（因為直接打印了ArrayList所以會有一些中括號和逗號
