必须调用openConnection()并获取输入流才能读取网页内容；需检查响应码、设置超时、指定字符编码、处理重定向、设置User-Agent、关闭连接，且无法获取JS渲染后的内容。
用 java.net.URL 打开连接后读不到网页内容？
直接 new URL("https://example.com") 只是构造了一个地址对象，不发起请求，也不加载数据。必须调用 openConnection()，再显式获取输入流才能读源码。
常见错误现象：NullPointerException 或空字符串 —— 忘了调用 getInputStream()，或者没处理重定向、字符编码。
- 务必检查
HttpURLConnection.getResponseCode()是否为 200，否则可能拿到 301/404 响应体（甚至空） - 默认使用平台编码读取流，中文会乱码；必须用
HttpURLConnection.getContentEncoding()或响应头Content-Type中的charset指定编码，比如UTF-8 - 别跳过
setConnectTimeout()和setReadTimeout()，否则网络卡住会无限阻塞
HttpURLConnection 不自动处理 302 重定向？
Java 默认对 HttpURLConnection 的重定向行为是“有限自动”：JDK 7+ 对 GET/HEAD 请求默认跟随 3xx，但前提是 setInstanceFollowRedirects(true)（默认是 true），且服务器返回的 Location 是绝对 URL。一旦遇到相对路径、307/308，或手动设置了 setInstanceFollowRedirects(false)，就会停在重定向响应上，读到的是 HTML 跳转页而非目标页源码。
- 检查响应码是否为 301/302，如果是，手动解析
getHeaderField("Location")并重建URL再请求 - 避免依赖自动重定向，尤其在爬虫场景下——它不保留 Cookie、不复用连接，还可能绕过你设置的请求头
- 若需完整重定向链追踪（比如调试跳转逻辑），必须自己循环处理，不能只靠一次
connect()
为什么读出来的源码里有 JavaScript 渲染的内容缺失？
java.net.URL + HttpURLConnection 只拿原始 HTML 响应体，不执行 JS、不解析 DOM、不触发 AJAX 请求。所谓“网页源码”，在这里就是服务器吐出的那坨纯文本，和你在浏览器里右键“查看网页源代码”看到的一致，但和 F12 开发者工具里 Elements 面板显示的动态结果完全不同。
立即学习“Java免费学习笔记（深入）”；
- 如果目标内容由
fetch()或axios加载，或通过document.write()插入，URL方式一定拿不到 - 别试图用正则从 HTML 里硬扒 JSON 数据块——先确认该数据是否真在初始 HTML 中（查看 Network → Doc 标签页的响应），否则徒劳
- 需要渲染后内容？换方案：用
WebDriver（如 ChromeDriver）或带 JS 执行能力的 HTTP 客户端（如 Playwright Java），不是URL类的问题
用 URL 实现基础爬虫时最常漏掉的三件事
很多人写完 url.openStream() 就以为完事了，结果线上跑几天就挂：超时、连接泄漏、被封 IP。根本原因不是代码逻辑错，而是忽略了 HTTP 协议层的实际约束。
- 每次
HttpURLConnection用完必须显式调用disconnect()，否则连接不会释放，容易耗尽 socket 资源 - 没设
setRequestProperty("User-Agent", "...")—— 大量网站会直接拒掉空 UA 的请求，返回 403 或空白页 - 没加请求间隔（
Thread.sleep(1000)），高频请求会被服务端限流或拉黑，且违反robots.txt约束
复杂点在于：这些不是语法错误，编译全过，本地测几次也正常，但一放真实环境就崩。最容易被忽略的是连接没关和 UA 没设——它们不会报错，只会静默失败。
