Question

在使用JSoup库解析和呈现页面时遇到Charsets时遇到问题。这是它呈现的页面的示例：

http://dl.dropbox.com/u/13093/charset-problem.html

正如你所看到的那样，应该有'角色'？正在渲染（即使你查看源代码）。

此页面是通过下载网页，使用JSoup进行解析，然后在进行一些结构更改后再次重新呈现来生成的。

我正在按如下方式下载页面：

final Document inputDoc = Jsoup.connect(sourceURL.toString()).get();

当我创建输出文档时，我按如下方式执行：

outputDoc.outputSettings().charset(Charset.forName("UTF-8"));
outputDoc.head().appendElement("meta").attr("charset", "UTF-8");
outputDoc.head().appendElement("meta").attr("http-equiv", "Content-Type")
            .attr("content", "text/html; charset=UTF-8");

任何人都可以就我的错误提出建议吗？

编辑：请注意，源页面为http://blog.locut.us/，如您所见，它似乎正确呈现

Answer 1

每当您将字符写入响应的输出流时，问号都是典型的，而响应的字符编码未涵盖这些问号。在提供响应时，您似乎依赖于平台默认字符编码。您网站的回复Content-Type标题也会通过缺少charset属性来确认。

假设您正在使用servlet来提供修改后的HTML，那么您应该在编写修改后的HTML之前使用HttpServletResponse#setCharacterEncoding()设置字符编码。

response.setCharacterEncoding("UTF-8"); response.getWriter().write(html);

Answer 2

问题很可能是在阅读输入页面时，您需要对源进行正确的编码。

为什么在此网页中没有正确呈现UTF-8字符（使用JSoup生成）？

2 个答案: