使用Java获取页面的最后修改日期

有没有一种标准方式来判断页面上次修改时间？目前，我这样做：使用Java获取页面的最后修改日期

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

但是它看起来像一些网站没有Last-Modified场。

http://www.cbc.ca具有这些字段：

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

我可以分析一个网页，试图得到它的日期，但是这似乎是一个重大的痛苦。标准是什么？

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

来源

2010-10-30 sixtyfootersdude

没有标准。动态生成的网页通常没有Last-Modified字段，不同的网页以不同的方式包含日期。有些网站甚至不包括这样的日期，包括底部的“<当前年份>”。您可以尝试寻找靠近底部或顶部的日期，但可靠从网页中提取日期必须是特定于站点的。

来源

2010-10-30 19:19:21 PleaseStand

呵呵，那也是我的想法。谢谢！ – sixtyfootersdude 2010-10-30 19:33:32

从HTTP/1.1: Header Field Definitions：

14.29的Last-Modified

最后修改实体头域表示其原始服务器认为变种最后一次修改的日期和时间。
Last-Modified = "Last-Modified" ":" HTTP-date 
其使用的一个例子是
Last-Modified: Tue, 15 Nov 1994 12:45:26 GMT 
这个头的确切含义取决于原始服务器的实现和原始资源的性质。对于文件，它可能是只是文件系统上一次修改的时间。对于包含动态内容的实体，它可能是最近修改时间集合中最近的一个组件。对于数据库网关，它可能是记录的最后更新时间戳记。对于虚拟的对象，它可能是内部状态最后一次更改。

原始服务器不得发送最后修改日期晚于服务器的消息时间发起。在这种情况下，如果资源的最后修改指示将来有一段时间，则服务器必须将该日期替换为消息始发日期。

原始服务器应取得实体的上次修改值作为尽可能地接近它产生其响应的日期值的时间。这允许收件人准确评估实体的修改时间，尤其是，如果实体在时间附近改变了生成响应。

HTTP/1.1服务器应该发送只要可行，最后修改。

从这一点Last-modified是可选的，它的值取决于原始资源的性质。

来源

2010-10-30 19:58:05

谢谢，非常有帮助！ – sixtyfootersdude 2010-10-31 01:41:47

使用Java获取页面的最后修改日期

回答

相关问题