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。
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。