Question

我已经解析了一个网页，其网址基本上是强制下载页面上的PDF的页面。使用Jsoup中的ignorecontenttype（）方法，我设法显示了一大堆文本，但它包含黑色椭圆形中的问号，如下所示：这是我的代码：

org.jsoup.nodes.Document document1 = null;
Connection.Response downloadPopUp = Jsoup.connect("https://www.capitaliq.com/ciqdotnet/login.aspx?redirect=%2fCIQDotNet%2fFilings%2fDocumentRedirector.axd%3fversionId%3d" + ID + "%26type%3dpdf%26forcedownload%3dtrue/login.php").userAgent("Chrome/44.0.2403.125")
     .method(Connection.Method.GET)
     .timeout(1000000)
     .ignoreContentType(true)
     .execute();
document1 = Jsoup.connect("https://www.capitaliq.com/ciqdotnet/login.aspx?redirect=%2fCIQDotNet%2fFilings%2fDocumentRedirector.axd%3fversionId%3d" + ID + "%26type%3dpdf%26forcedownload%3dtrue").userAgent("Chrome/44.0.2403.125")
     .data("cookieexists", "false")
     .data("myLogin$myUsername", "MyEmail")
     .data("myLogin$myPassword", "MyPassword")
     .data("myLogin$myLoginButton.x", "22")
     .data("myLogin$myLoginButton.y", "8")
     .data("__VIEWSTATE", viewState)
     .data("__EVENTVALIDATION", eventValidation)
     .data("myLogin$myEnableAutoLogin", "on")
     .timeout(1000000)
     .cookies(downloadPopUp.cookies())

<html>
<head>
</head>
<body>

％PDF-1.3％ 10 obj＆lt;＆gt; endobj 2 0 obj＆lt;＆gt; endobj 3 0 obj＆lt;＆gt;streamx ctem 66mWR mgǶmWl vŶ m ģݧ{}ö\sJƶ1['zfD¶; 9 F HL$0"ba!b��!��sw075s"�RQT��/�?"D��t47�!��>��l�6N��cE%�� @dbn ��א�'��U!� �� ̍��͍6�j"[�o�?"#[c�Bsd�vBБȀ��d p3 â＃ 8X ;：~ Ll s dKdncd l t } 9〜KXM휈ʋNfNv4f| K9o，��N�6�DN�o�-�!��7��pv4�1�/��VG�o�o��_q��Y��K��_R�郹�#�ʄ��ۦ�ӷmSs�D��Ė��v��s8�+AT�� ƶ6V�D�FY[��Q�Ϫ�@��V��k�_#K�9��C�9[Y�X7��/��"��#H:|w�� BN Q

有谁知道如何使这个HTML / PDF组合可读？

Answer 1

将'Content-Type：application / pdf'放在html标题中（在发送任何数据之前）。根本没有HTML标签。

在PDF文件上制作问号

1 个答案: