org.apache.commons.io.IOUtils.toString 错误解释 UTF-8.

Question

我正在尝试从URI获取源代码。它被报告为 UTF-8。我也尝试过ISO-8859-1，ISO-8859-1 Windows-1250和ISO-8859-2。

这是我最新尝试的代码（尝试ISO-8859-2）：

public static String getPage(String page,String charset) throws IOException{
        URL url=new URL(page);
        return org.apache.commons.io.IOUtils.toString(url.openConnection().getInputStream(),charset);
    }
    public static void main(String args[])throws Exception{
        String page=getPage("http://buscon.rae.es/drae/srv/search?val=aba","ISO-8859-2");
        System.out.println(page);
    }

但结果是：

apÄ？ge 'quita， aparta'， y este del gr. á1/4？Ï?αγÎμ）

而不是：

（Del lat. apăge 'quita， aparta'， y este del gr. ἄπαγε）.

同样，UTF-8（适用于其他代码和浏览器）和其他编码名称也以类似的方式失败。

Answer 1

U+0103 （ă） 被编码为字节序列C4 83;这个数据是 UTF-8。

该错误可能是由于您通过附加到System.out的PrintStream执行的其他转码操作造成的。这会将数据编码为系统编码，这可能是有损转换，如果写入的设备不使用匹配的编码，则可能会导致损坏。

您可以在此处阅读有关Windows控制台的一些分析。