java - 将 HTML 写入 txt 文件时出现编码错误

Question

我正在下载 html 网页的源代码并将其写回 txt 文件。终端上的输出看起来是正确的，但在写入文件并使用 gedit 读取文件内容时，内容看起来像这样:

<^@!^@D^@O^@C^@T^@Y^@P^@E^@ ^@h^@t^@m^@l^@ ^@P^@U ^@B^@L^@I^@C^@ ^@"^@-^@/^@/^@W^@3^@C^@/^@/^@D^@T^@D ^@ ^@X^@H^@T^@M^@L^@ ^@1^@.^@0^@ ^@T^@r^@a^@n^@s^@i^@ t^@i^@o^@n^@a^@l^

我正在使用 BufferedReader 逐行读取文件，如下所示:

URL oracle = new URL("http://example.com");
BufferedReader in = new BufferedReader(
                    new InputStreamReader(oracle.openStream()));

while ((inputLine = in.readLine()) != null)
    {
        // appending to get the complete html string 
    }

然后我使用 PrintWriter 编写内容。

PrintWriter pout = new PrintWriter("output.txt");
pout.write(html); // here html is the appended html string
pout.close();

有人可以帮我解决这个问题吗？

Answer 1

在读取 URL 时，您需要将编码设置为 UTF-8，在写回时，您应该再次提及您的编码是 UTF-8。默认编码可能是您系统的编码，并且可能无法很好地处理 unicode 字符。 InputStream 和 Outputstream 都支持编码作为参数。因此，您可能需要将 PrintWriter 替换为 OutputStream