Java UTF-8编码问题

Question

我正在使用一个称为 HTMLCLEANER 的HTML解析器来解析网页。问题在于每个页面的编码都不同。我的问题是：

我能否将任何字符编码更改为UTF-8？

- ehab refaat

Answer 1

如果你想要无缝地从编码X转换为编码Y，就需要事先知道编码X。只需检查HTTP响应头使用的编码（如果你是通过HTTP获取这些HTML页面），然后在你的HTML解析工具中使用适当的编码即可。

- BalusC

Answer 2

我可以从任何字符编码转换为UTF-8吗？

是的，您可以使用UTF-8编码表示任何Unicode字符。

但是，在更改HTML页面的编码时可能会出现问题：如果页面包含“charset”元标记，则需要相应地更改该标记以确保正确解释页面。

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">

你必须更新此标记，以使其对应实际编码。

- mfx

---

他正在解析一个HTML页面，而不是生成一个HTML页面。此外，这行代码实际上是指示客户端使用哪种编码来解析给定的HTML页面（这正是OP事先不知道并因此需要在响应头中查找的信息！）。 - BalusC

Answer 3

你从哪里获取HTML页面？如果你从servlet请求中获取它，你可以使用getReader()方法并将其传递给clean()。这将使用正确的编码方式。如果你通过上传获取它，将输入流传递给clean()。如果你通过http客户端获取它，你需要检查响应头Content-Type，使用getResponseCharSet()。

- Arne Burmeister

Answer 4

public void arreglarString(String cadena) {
    for (int i = 161; i < 256; i++) {
        char car =  (char) i;
        cadena = cadena.replaceAll(car + "", "&#" + i); 
    }

    return cadena;
}

- Elohim Julio Cesar C