使用Java获取页面的最后修改日期 [英] Get a page's last modified date using Java

问题描述

有没有一种标准的方式来告诉页面最后一次修改？目前我正在这样做：

Is there a standard way to tell when a page was last modified? Currently I am doing this:

URLConnection uCon = url.openConnection();
uCon.setConnectTimeout(5000);   // 5 seconds
String lastMod = uCon.getHeaderField("Last-Modified");
System.out.println("last mod: "+lastMod);

但是看起来有些网站没有一个 Last-Modified 字段。

However it looks like some sites do not have a Last-Modified field.

http://www.cbc.ca 这些标题字段：

X-Origin-Server
Connection
Expires
null
Date
Server
Content-Type
Transfer-Encoding
Cache-Control

我可以解析一个页面来尝试获取日期，但这似乎是一个重大的痛苦。标准是什么？

I could parse a page to try and get its date but this seems like a major pain. What is the standard?

（如果可能，我想坚持使用URLConnection，因为这是我用来下载网页）

推荐答案

没有标准。动态生成的网页通常没有Last-Modified字段，不同的Web页面以不同的方式包含日期。一些网站甚至不包括这样的日期，包括©<当前年份>在底部。您可以尝试寻找靠近底部或顶部的日期，但从网页中提取日期必须是站点特定的。

There is no standard. Dynamically generated web pages generally do not have a Last-Modified field, and different web pages include dates in different ways. Some sites do not even include such a date, including "© <current year>" at the bottom. You could try looking for a date near the bottom or the top, but reliably extracting the date from the web page would have to be site-specific.

这篇关于使用Java获取页面的最后修改日期的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！