HTML中的Java GB2312字符串无法正确显示

Question

我正在尝试从中文网站读取HTML并获得consume()值。所有使用UTF-8编码的网站都可以正常使用，但不适用于GB2312网站（例如，m.39.net，显示<title>而不是39������_�й����ȵĽ����Ż���վ）。

以下是我用来完成的代码：

39健康网_中国领先的健康门户网站

Answer 1

String content = IOUtils.toString(inputStream, "GB2312");可以提供帮助。

如果您想检测网页的字符集，据我所知，有3种方法：

1. 使用connection.getContentEncoding()获取HTTP标头中描述的字符集;
2. 在HTML代码中解析<meta http-equiv="Content-Type" content="text/html;charset=ISO-8859-1">或<meta charset="UTF-8">（必须先下载HTML内容，然后阅读几行）;
3. 使用第三方库。例如。这个question中提到的那些。

Answer 2

您见过http://commons.apache.org/proper/commons-io/apidocs/org/apache/commons/io/IOUtils.html

吗？

toString(byte[] input, String encoding)