如何在安卓中下载 Html 页面及其内部文件

How to download an Html page and its internal files in android?

本文关键字：文件 内部 Html 下载      更新时间：2023-09-26

我正在开发一个应用程序，该应用程序需要从链接下载网页的源代码，其中包含所有内部文件，如图像，css，javascript。

之后，我需要在离线模式下以 web 视图打开此 html，这就是为什么我需要从页面下载所有内容。

我会使用 JSOUP 下载图像，但我还没有想到如何将它们链接到下载的 html 中。

你能给我举一些例子，或者从哪里开始吗？

提前致谢

从本质上讲，您需要做的（以及下面提到的我的应用程序所做的）是遍历指向其他附加资产/图像/脚本等的所有引用链接，下载它们，然后更改 HTML 文档以指向本地下载的副本。 像这样的东西，与Jsoup：

  • 找到页面上的所有img元素，

  • 从img元素的 src 属性中获取图像文件的位置/网址（带 .attr("abs:src:)

    • ），

  • 将所有这些映像下载到本地目录

  • 更改每个图像元素 src 属性值以指向下载的图像文件的位置，相对于主 HTML 文件的存储位置，例如使用 .attr("src", "assets/imagefilename.png"") .

  • 对页面所需的所有其他资产执行此操作，例如图像、CSS、脚本、html5 视频等。我还在 CSS（链接和内联）上做了一些正则表达式来提取、下载和重写背景图像引用和 css 中的内容。网页还具有您可能还想要的其他链接内容，例如网站图标或RSS提要。

  • 将 Jsoup 文档（修改后的 URL 指向您下载的资产版本）保存到文件中，方法是对它调用 .toString() 并将结果保存到文件中。

然后，您可以在 webview 中打开本地 HTML 文件，假设您做对了一切，它将与所有图像和资产一起显示，甚至离线。

我实际上编写了一个Android应用程序，它正是这样做的：使用Jsoup将完整的HTML文件和所有CSS/图像/其他资产保存到本地文件/目录中。

有关源代码，请参阅 https://github.com/JonasCz/SaveForOffline/，特别是SaveService.java以获取实际的HTML页面保存/下载代码。

请注意它是GPL许可的，所以如果你使用它（部分）它，你必须遵守GPL许可证。

还要注意它做了很多事情，因此非常混乱，（也没有评论或文档......），但它可能会帮助你。

你可以

用Jsoup来做。IMO，这是很多工作。另一方面，您可以考虑Crawler4j。

他们的网站上有一个教程。查看抓取图像的示例。

相关文章：