之前在本地网络中建了一个CentOS软件源，挺好用的，可是发现有些软件还是装不上，因为系统安装盘中的包并不全，有些软件的依赖在updates源中，updates源在网上，怎么把其中的包拿到呢？一种方法，当然也是最最正常的方法，就是做个计划任务，定时从CentOS官方镜像站中同步。

【引用请注明出处：http://blog.csdn.net/bhq2010/article/details/9318269】

可是我们也就是在本地用用，不需要同步，于是写了个Java程序，找了个速度比较快的镜像（东北大学的，写程序的时候北理工的镜像站打不开），直接很暴力地把上面的updates目录下的包（http://mirror.neu.edu.cn/centos/6.4/updates/x86_64/Packages/）全都抓下来了，然后createrepo一下就可以用了，抓软件包的代码如下，其中HttpFactoy是自定义的一个封装Apache HttpClient接口的工具类：

package cn.edu.ruc.extract;

import java.io.File;

import java.io.FileOutputStream;

import java.io.InputStream;

import org.htmlparser.NodeFilter;

import org.htmlparser.Parser;

import org.htmlparser.filters.TagNameFilter;

import org.htmlparser.tags.TableColumn;

import org.htmlparser.tags.TableRow;

import org.htmlparser.tags.TableTag;

import org.htmlparser.util.NodeList;

import org.htmlparser.visitors.HtmlPage;

public class Main

{

	public static void main(String[] args)

	{

		try

		{

			//要抓取的目录

			String baseUrl = "http://mirror.neu.edu.cn/centos/6.4/updates/x86_64/Packages/";

			String html = HttpFactory.getInstance().getPageContent(baseUrl);

			//存放软件包的本地目录

			String rootDir = "/home/hadoop/updates/";

			Parser parser = Parser.createParser(html, "utf-8");

			HtmlPage page = new HtmlPage(parser);

			parser.visitAllNodesWith(page);

			NodeFilter filter = new TagNameFilter("TABLE");

			NodeList nodes = page.getBody().extractAllNodesThatMatch(filter,

					true);

			int num = 0;

			for (int i = 0; i < nodes.size(); ++i)

			{

				TableTag tableTag = (TableTag) nodes.elementAt(i);

				TableRow[] rows = tableTag.getRows();

				for (TableRow row : rows)

				{

					TableColumn[] columns = row.getColumns();

					if (columns != null && columns.length > 0)

					{

						if (num > 0)

						{

							String fileName = columns[0].toPlainTextString().trim();

							String url = baseUrl + fileName;

							System.out.println(url);

							File rpmFile = new File(rootDir + fileName);

							FileOutputStream outputStream = new FileOutputStream(rpmFile);

							InputStream inputStream = HttpFactory.getInstance().getResponseEntity(url).getContent();

							byte b[] = new byte[1024*1024];

							int j = 0;

							while ((j = inputStream.read(b)) != -1)

							{

								outputStream.write(b, 0, j);

							}

							outputStream.flush();

							outputStream.close();

							inputStream.close();

						}

						num++;

					}

				}

			}

			System.out.println(num-1 + " packages downloaded.");

		}

		catch (Exception e)

		{

			e.printStackTrace();

		}

	}

}

换别的镜像站可能需要变变html解析的代码。