又是字符串转换：UNIX Windows-1252到字符串

Question

我正在用Java下载一个网站，使用所有这些：

myUrl = new URL("here is my URL");
            in = new BufferedReader(new InputStreamReader(myUrl.openStream()));

然而，在这个文件中有一些特殊的字符，如ä、ö和ü。我需要能够正确地打印这些。

我尝试使用对字符串进行编码

String encodedString = new String(toEncode.getBytes("Windows-1252"), "UTF-8");

但它所做的只是用?替换这些特殊字符。

当我使用Notepad++从Chrome下载的.html文件打开我试图在这里打印的内容时，它会显示（右下角）UNIX和Windows-1252。这就是我对编码文件的全部了解。

我还可以采取哪些步骤来找出问题所在

--和-

如何转换此文件，以便用Java正确读取和打印它

很抱歉，如果这个问题有点愚蠢。。。我只是不知道有什么比这更好的了，在互联网上也找不到任何东西。

Answer 1

好的，所以您在这里混合了很多东西。

首先，你做：

new InputStreamReader(myUrl.openStream())

这将打开一个读者，是的；但是，它将使用默认的JRE/OS Charset来执行此操作。也许不是你想要的。

尝试指定您想要的UTF_8（注意，Java 7+代码）：

try (
    final InputStream in = myUrl.openStream();
    final Reader reader = new InputStreamReader(in, StandardCharsets.UTF_8);
) {
    // read from the reader here
}

---

现在，你在混合什么。。。

你阅读InputStream；CCD_ 6只知道如何读取CCD_

但你想要文本；在Java中，文本表示char s的序列。

让我们暂时忘记你想要char，而专注于你想要文本的事实；让我们用char来代替信鸽。

现在，您需要做的是将这个字节流转换为信鸽流。为此，您需要一个特定的过程。在这种情况下，这个过程被称为解码。

现在回到Java。也存在一个相反的过程：将信鸽流（或chars）编码为字节流。

诀窍。。。有几种方法可以做到这一点；Unicode将它们称为character codings；在Java中，同时提供编码器和解码器的基类是Charset。

现在，InputStreamReader接受Charset作为第二个参数。。。您应该始终指定。如果你不这样做，这个：

new InputStreamReader(in);

将相当于：

new InputStreamReader(in, Charset.defaultCharset());

而CCD_ 16不是。保证。成为。相同的在实施。属于JRE。