Question

某些网页的内容带有超文本特质,但正视其为平方(身份不明)。

我能做些什么?

我能否将“强食”含有沥滤器改为另一种格式(UTF-8)? 从InputStream转至Sting,就是这样。我确实不知道造成这种情况的原因。

public HttpURLConnection openConnection(String url) {
    try {
        URL urlDownload = new URL(url);
        HttpURLConnection con = (HttpURLConnection) urlDownload.openConnection();
        con.setInstanceFollowRedirects(true);
        con.connect();
        return con;
    } catch (Exception e) {
        return null;
    }
}

private String getContent(HttpURLConnection con) {
    try {
        return IOUtils.toString(con.getInputStream());
    } catch (Exception e) {
        System.out.println("Erro baixando página: " + e);
        return null;
    }
}

page.setContent(getContent(openConnection(con)));

Answer 1

http://download.oracle.com/javase/6/docs/api/java/io/InputStreamReader.html 否则,将使用平台缺省套,这显然与你情况下的超文本一道。

Reader reader = new InputStreamReader(input, "UTF-8");
// ...

当然,你也可以使用一个超文本阅读器/撒克器,如,其中自动考虑到这一点。

String html = Jsoup.connect("http://stackoverflow.com").get().html();

<>Update:根据您的更新问题,您似乎正在使用,要求超文本网页和IOUtils,将InputStream改为。你们需要使用如下:

String contentType = connection.getHeaderField("Content-Type");
String charset = "UTF-8"; // Default to UTF-8
for (String param : contentType.replace(" ", "").split(";")) {
    if (param.startsWith("charset=")) {
        charset = param.split("=", 2)[1];
        break;
    }
}

String html = IOUtils.toString(input, charset);

如果你在正确性方面仍有问题,那么,这只能意味着你重新印刷这些特性的专线/概论者不支持char。例如,当你在Eclipse中管理以下活动时:

System.out.println(html);

Then you need to ensure that the Eclipse console uses UTF-8. You can set it by Window > Preferences > General > Workspace > Text File Encoding.

或者,如果你通过将其重新书写到某些档案中,那么你就应当使用。 InputStream/OutputStream 从一开始,不将其转换成<代码>St。如果转换为<代码>String,那么实际上一个重要步骤,那么,你需要将其写到<编码>新的产出StreamWriter(产出,“UTF-8”。

友情链接