java - jSoup 没有正确地转义我的 HTML 实体

Question

我有一个小示例程序可以从 HTML 文档中提取一些信息。

import org.jsoup.*;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class TestSoup {

    public static void main(String[] args) {

        String html = "<p>An <a href='http://example.com/'><b>exa&nbsp;mple</b></a> link.</p>";
        Document doc = Jsoup.parse(html);
        Element link = doc.select("a").first();

        String linkText = link.text(); // "example""
        System.out.println(linkText);

    }

}

如果您使用过 jSOup，您就会知道它的输出应该是 example 但输出是 exaámple。为什么 jSoup 没有正确地转义我的 HTML 实体，或者我只是做错了？

我的所有 HTML 实体都未正确转义，不仅是  

Answer 1

jSoup 工作正常，你的输出编码有问题。

在 Windows 中，控制台使用的字符编码(在您的情况下为 CP437)与系统编码(在您的情况下为 Windows-1252)不同。 System.out.println() 以系统默认编码输出您的字符串，因此它在控制台中显示不正确。

在 Java 1.6 中，您可以尝试使用 System.console() 代替:

System.console().writer().println(linkText);