Question

我正在使用这个servlet从另一个域中提取HTML内容以包含在我自己的Ajax页面中，它将响应指定为“UTF-8”：

public class ProxyServlet extends HttpServlet {
    public void doGet(HttpServletRequest request, HttpServletResponse response)
            throws ServletException  {
        String urlString = request.getParameter("url");
        try {
            URL url = new URL(urlString);
            url.openConnection();            
            BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream()));
            response.setContentType("text/html; charset=UTF-8");
            PrintWriter out = new PrintWriter(new OutputStreamWriter(response.getOutputStream(), "UTF8"), true);
            char[] buf = new char[4 * 1024];
            int len;
            while ((len = reader.read(buf, 0, buf.length)) != -1) {
              out.write(buf, 0, len);
            }
            out.flush();
        }
        catch (MalformedURLException e) {     
            throw new ServletException(e);
        }
        catch (IOException e) {     
            throw new ServletException(e);
        }
    }
}

我正在提取的文档有一个这样的元标记：

<meta http-equiv="Content-Type" content="text/html; charset=utf-8"></meta>

我将其复制并粘贴到我自己的页面上，因此它完全匹配。根据浏览器页面信息，肯定是使用“UTF-8”编码。然而，我仍然在提取的HTML内容中获得“Â”而不是“＆amp; nbsp”。

它们实际上包含在此ProxyServlet的responseText中。我认为明确定义响应内容类型和输出流charset会处理这个但我必须遗漏一些东西？有没有人以前解决过这个问题。

Answer 1

您可以通过byte []缓冲区从ony字节流复制到另一个字节流，而不是将字节流转换为字符串，反之亦然。或者使用Spring util：

FileCopyUtils.copy(uri.getInputStream(), response.getOutputStream());

或明确地：

byte[] buffer = new byte[BUFFER_SIZE];
int bytesRead = -1;
while ((bytesRead = in.read(buffer)) != -1) {
    out.write(buffer, 0, bytesRead);
}
out.flush();

它可以保证数据按原样复制（不可能通过错误的字符搞砸）

如何处理Java中的charset差异

1 个答案: