Java HtmlCleaner：不处理扩展的ascii字符

Question

我正在使用HTMLCleaner清理HTML文件，其中包含'€'（ascii decimal 128），'TM'（ascii decimal 153）等字符。即，ASCII扩展表中的字符< /强>

HTMLCleaner无法处理这些字符并用字符“？”替换它们（ascii decimal 63）。

我是否可以在HTMLCleaner中设置任何标志来处理这些字符？

提前致谢。

修改 变量“encoding”是“iso-8859-1”，就像源文件编码一样。

    try {
        System.out.print("Parsing and cleaning:" + fileStr);
        URL url = new File(this.fileStr).toURI().toURL();
        // create an instance of HtmlCleaner
        HtmlCleaner cleaner = new HtmlCleaner();
        // default properties
        CleanerProperties props = cleaner.getProperties();
        // do parsing
        TagNode tagNode = new HtmlCleaner(props).clean(url);
        // serialize to XML file
        new PrettyXmlSerializer(props).writeToFile(tagNode, fileStr,
                encoding);
        System.out.println("Output: " + fileStr);
    } catch (MalformedURLException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }

我刚刚想出来了。这一行：

TagNode tagNode = new HtmlCleaner(props).clean(url);

Shoube被替换为：

TagNode tagNode = new HtmlCleaner(props).clean(url, encoding);

其中'encoding'是源URL的字符集的字符串表示。

谢谢！

Answer 1

您是否尝试设置charset？