Javaの課題丸投げコミュのHTMLファイルのタイトル取得

http://www.hellohiro.com/url.htm
この辺とか。

import java.net.URL;
import java.net.MalformedURLException;
import java.net.URLConnection;
import java.io.IOException;
import java.io.BufferedReader;
import java.io.InputStreamReader;

public class WebPageReaderSample {

private static URLConnection connection;

public static String titleLine;

static String title1 = "<title>";

static String title2 = "<TITLE>";

static String endTitle1 = "</title>";

static String endTitle2 = "</TITLE>";

public static void main(String[] args) {

connect("ここにつなぎたいURL入れてくださいね");
readContents();
}

/**
* URLにアクセスする
*
* @param urlString
*/
private static void connect(String urlString) {
try {
URL url = new URL(urlString);
connection = url.openConnection();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}

/**
* コンテンツを読み込む
*
*/
private static void readContents() {

BufferedReader in = null;

try {
in = new BufferedReader(new InputStreamReader(connection
.getInputStream()));
findTitle(in);
} catch (IOException e) {

e.printStackTrace();
}

}

/**
* タイトルには二つ書き方があるのに注意 読み込んだ文字列一行に、<title>か<TITLE>があったらその行を代入
*
* @param in
* @throws IOException
*/
private static void findTitle(BufferedReader in) throws IOException {

String line;
while ((line = in.readLine()) != null) {
if (line.indexOf(title1) != -1 || line.indexOf(title2) != -1) {
titleLine = line;
removeTag(titleLine);

}else{
//タイトルが正常にかかれてない
}
}

}
/**
* <title></title><TITLE></TITLE>を除去する
* @param titleLine2
*/
private static void removeTag(String titleLine2) {
int beginIndex;
int endIndex;
String line = null;
if ((beginIndex = titleLine2.indexOf(title1)) != -1) {
beginIndex+=title1.length();
if ((endIndex = titleLine2.indexOf(endTitle1)) != -1) {
line = (String) titleLine2.subSequence(beginIndex,
endIndex);
} else {
// タイトルが正常にかかれてない
}

} else if ((beginIndex = titleLine2.indexOf(title2)) != -1) {
beginIndex+=title2.length();
if ((endIndex = titleLine2.indexOf(endTitle2)) != -1) {
line = (String) titleLine2.subSequence(beginIndex,
endIndex);
} else {
// タイトルが正常にかかれてない
}
}
//ここで別アプリケーションに渡しましょう
System.out.println(line);
}

}


URLからhtml文書を読み取って、
<TITLE>記述部分を抜き出すアプリケーションです。
何か判らないことがあったら聞いてください。

補足：
// タイトルが正常にかかれてない
部分は、自分で例外作ったりして、
タイトル取得できなかったらﾎﾟｯﾌﾟｱｯﾌﾟで入力フォーム出すとか、
そういう処理を入れると良いかも。です。

またまた補足
/**
* コンテンツを読み込む
*
*/
private static void readContents() {

BufferedReader in = null;
//ここから追記
String s = connection.getContentType();
s = getCharset(s);
//ここまで
try {
//引数にs追加
InputStreamReader con = new InputStreamReader(connection
.getInputStream(),s);


in = new BufferedReader(con);
findTitle(in);
} catch (IOException e) {

e.printStackTrace();
}

}
//メソッド追加
private static String getCharset(String s) {
// ここでcharsetを取り出す
return null;
}
コメントの『// ここでcharsetを取り出す』ところは実装してください。
こういう風にしないと文字化けしちゃいますね。
連ﾚｽ失礼致しました。

2 コ（´・ｪ・｀）ロさん

title要素が複数行にわたってた場合はどうするのでしょう。
大文字小文字混じりでも可能じゃなかったでしたっけ。属性もある可能性があるから正規表現にした方がいいのでは。

やはり、SAXで読むのがいいのでは。って、xhtmlじゃないと駄目か。
どっかのhtmlパーサを使った方がいいですかね。

＞title要素が複数行
ぁー、そうですねぇ。
そういう場合も考えて、
ﾊﾞｯﾌｧか何かに追加する形のほうが安全ですかね。
あくまでJavaで。というなら正規表現が賛成ですね。

他にも色々方法があると思います。
htmlパーサは利用してないのでなんとも（っというかこういう系作ったの初）
個人的には、charsetを取り出す作業の方がめんどくさそうです。
ContentType以下にあるかもしれないし、
<?xml encoding以下にあるかもしれないし…

なんにせよ、様々な環境に合わせた『完璧』なものを作ろうとすると、
↑(私の示したソース)じゃお粗末過ぎますね…。

まぁ何かの取っ掛かりになってくれればいいかな程度で…

簡易的には行指向でいいと思います。
自分のサイトのインデックスを作る場合とかは、自分でルール決められますし。

パーサを使うのはバッファとかHTMLの省略を補完とかやってくれてるのでいいかなと。
<!--<title>hogehoge</title>-->
とかにも対応してくれたり。
対応してない問題があったら、そのパーサを作ってるコミュニティにバグレポートを投げてあげれば対応してくれる可能性もありますし。

なんにせよ、htmlは書く人に優しいので、読むのはけっこう難しいです。
<!--もう少し読む人に優しいxhtmlのが好きです。-->

＞jarファイルをどうやって取り扱うのか
ライブラリなので、
『javaのクラスパスに追加』すればいいと思いますよ。

なんだか一歩進んだようで嬉しいです。