jsoup输出编码问题

Question

我使用JSoup来解析gb2312 charset页面： http://vars.sinaapp.com/u/t/jsoup_output_encoding_issue.html

源代码：

String testURL="http://vars.sinaapp.com/u/t/jsoup_output_encoding_issue.html";
Document doc=Jsoup.connect(testURL).get();          
System.out.println(
    doc.select("div").html()
);

这给出了以下输出：

1:? 2:� 3:� 4:—

我希望与页面源代码相同：

1:· 2:慒 3:啰 4:—

有没有办法做到这一点？

Answer 1

尝试在打印前设置doc.outputSettings().escapeMode(EscapeMode.xhtml)或更改输出charset。

另见（微不足道）documentation for EscapeMode。

Answer 2

尝试编码为＆＃34; MS932＆＃34;或＆＃34; SHIFT-JIS＆＃34;。这将解决您的问题。 你也可以阅读html页面的charset类型，并在解析文件时设置。