我正在解析维基百科上的一些图片链接。我在http://en.wikipedia.org/wiki/Special:Export/Diego_Forl%C3%A1n
上看到了这个当我使用已弃用的URLEncoder.encode时,我可以正确编码重音字符,但是当我指定“UTF-8”参数时,它会失败。维基百科上的文字是utf8 AFAIK。
Diego + Forl%C3%A1n + vs + + Netherlands.jpg是正确的而Diego + Forl%E2%88%9A%C2%B0n + vs + + Netherlands.jpg不正确。
scala> first
res24: String = Diego Forlán vs the Netherlands.jpg
scala> java.net.URLEncoder.encode(first, "UTF-8")
res25: java.lang.String = Diego+Forl%E2%88%9A%C2%B0n+vs+the+Netherlands.jpg
scala> java.net.URLEncoder.encode(first)
<console>:33: warning: method encode in object URLEncoder is deprecated: see corresponding Javadoc for more information.
java.net.URLEncoder.encode(first)
^
res26: java.lang.String = Diego+Forl%C3%A1n+vs+the+Netherlands.jpg
答案 0 :(得分:1)
我猜测first
已经损坏,并且由于您的控制台配置隐藏了转码错误而只能正确呈现。
您可以通过在字符串中发出UTF-16代码单元来确认:
for(c<-first.toCharArray()){print("\\u%04x".format(c.toInt))}
可能有一种更优雅的方式来编写它。
如果代码点编码正确,则为:
U+00e1 á \u00e1
我希望某处使用MacRoman解码器解码UTF-8编码数据。
codepoint glyph escaped x-MacRoman info
=======================================================================
U+221a √ \u221a c3, MATHEMATICAL_OPERATORS, MATH_SYMBOL
U+00b0 ° \u00b0 a1, LATIN_1_SUPPLEMENT, OTHER_SYMBOL