Question

我尝试从latata.pl/pl.php获取数据并查看所有符号（polish - iso-8859-2）

 final URL url = new URL("http://latata.pl/pl.php");
    final URLConnection urlConnection = url.openConnection();
    final BufferedReader in = new BufferedReader(new InputStreamReader(
            urlConnection.getInputStream()));
    String inputLine;

    while ((inputLine = in.readLine()) != null) {
        System.out.println(inputLine);
    }
    in.close();

它不起作用。 :(任何想法？

Answer 1

InputStream reader has multiple constructors你可以（应该/必须）在这种情况下在其中一个构造函数中指定编码。

Answer 2

您的InputStreamReader将尝试使用您的平台默认编码（很可能是UTF-8或其中一个可怕的Windows编码器）转换通过TCP连接返回的字节。您应该明确指定编码。

假设Web服务器做得很好，您可以在其中一个HTTP头中找到正确的编码（我忘记了哪一个）。或者你可以假设它是iso-8859-2，但这可能会晚点。

Answer 3

这对于评论来说太长了，但谁设置了该网页？您？从我所看到的看起来不正确。

这是你得到的：

$ telnet latata.pl 80
Trying 91.205.74.65...
Connected to latata.pl.
Escape character is '^]'.
GET /pl.php HTTP/1.0
Host: latata.pl

HTTP/1.1 200 OK
Date: Sun, 27 Feb 2011 13:49:19 GMT
Server: Apache/2
X-Powered-By: PHP/5.2.16
Vary: Accept-Encoding,User-Agent
Content-Length: 10
Connection: close
Content-Type: text/html

����ʣ��Connection closed by foreign host.

HTML只是：

<html>
<head></head>
<body>±ê³ó¿¡Ê£¯¬</body>
</html>

这就是您的网页在浏览器中的显示方式。是否有正当理由说明在该HTML页面中未指定 charset ？

Answer 4

php-script pl.php的输出有问题。有一个没有声明的字符集的HTTP标头Content-Type: text/html集。如果没有声明的charset，客户端必须假定它与HTTP规范有ISO-8859-1。如果被解释为ISO-8859-1，则发送的正文为±ê³ó¿¡Ê£¯¬。

如果声明为

，则php脚本发出的字节代表ąęłóżĄĘŁŻŹ

Content-Type: text/html; charset=ISO-8859-2

您可以使用简单的代码片段进行检查，该代码片段会将错误的ISO-8859-1编码转换为ISO-8859-2：

final String test="±ê³ó¿¡Ê£¯¬";
String corrupt=new String(test.getBytes("ISO-8859-1"),"ISO-8859-2");
System.out.println(corrupt);

输出为ąęłóżĄĘŁŻŹ，这是一些抛光字符。

作为快速解决方法，请在php脚本中设置charset，以Content-Type: text/html; charset=ISO-8859-2作为HTTP-Header输出。

但你应该考虑切换到UTF-8编码输出。

Answer 5

正如某人已经声明的那样，没有为响应指定charset编码。强制将响应文档视为ISO-8859-2（通常在中欧使用）会导致显示合法的抛光字符，因此我假设这是实际使用的编码。由于未指定编码，因此将假定为ISO-8859-1，因为这是默认值。

响应标头需要包含标题 Content-Type：text / html; charset = ISO-8859-2 ，以便正确解释字符代码点。构建响应InputStream时将使用此charset。

如何从网站上获取非拉丁字符？

5 个答案: