java - 尝试从 URL(在 Java 中)读取在某些情况下会产生乱码

Question

我正在尝试读取 URL，然后打印结果。

BufferedReader in = new BufferedReader(
     new InputStreamReader(new URL("http://somesite.com/").openStream(), "UTF-8"));
String s = "";
while ((s=in.readLine())!=null) System.out.println(s);
in.close();

它大部分时间都运行良好，并打印网站的源代码。然而，我的问题是，在特定的网站上，它会打印出乱码，而不是源代码，例如符号和其他不寻常的字符。

是否有一些因网站而异的属性会影响它的阅读方式？该页面在 Firefox 中加载得很好，我可以毫无问题地在那里查看源代码。如果 firefox 可以访问源代码，我应该也可以；我只是不确定为什么它不起作用...

编辑:将“UTF-8”添加到 InputStreamReader。所有奇怪的字符现在都是问号...仍然无法正常工作...

Answer 1

经过大量搜索，我找到了这个问题的答案。 xml 被读取为乱码，因为它是 Gzip 压缩的。读取它的方法是使用 GZIPInputStream。这是因为 XML 的压缩方式不同。

HttpURLConnection connection = (HttpURLConnection) url.openConnection();
    connection.setRequestProperty("Accept-Encoding", "gzip");
    InputStreamReader in = new InputStreamReader (new GZIPInputStream(connection.getInputStream()));
    String str;            
    while (true) {
 int ch = in.read();
 if (ch==-1) {
    break;
 }