java - 又是字符串转换: UNIX Windows-1252 to String

Question

我正在使用 Java 下载一个网站，使用以下所有内容:

myUrl = new URL("here is my URL");
            in = new BufferedReader(new InputStreamReader(myUrl.openStream()));

但是，在此文件中存在一些特殊字符，例如 ä、ö 和 ü。我需要能够正确打印这些内容。

我尝试使用以下方法对字符串进行编码:

String encodedString = new String(toEncode.getBytes("Windows-1252"), "UTF-8");

但它所做的只是用 ? 替换这些特殊字符。

当我使用从 Chrome 和 Notepad++ 下载的 .html 文件打开要在此处打印的内容时，它显示(在右下角)UNIX 和 Windows-1252.这就是我对编码文件的全部了解。

我还可以采取哪些步骤来找出问题所在？

--并且--

如何转换此文件，以便我可以在 Java 中正确读取和打印它？

抱歉，如果这个问题有点愚蠢......我只是不知道更好，并且在互联网上找不到任何东西。

Answer 1

好吧，所以你在这里混合了很多东西。

首先，你要做的是:

new InputStreamReader(myUrl.openStream())

这将打开一个阅读器，是的；但是，它将使用您的默认 JRE/OS 字符集来执行此操作。也许不是你想要的。

尝试指定您需要 UTF_8(注意，Java 7+ 代码):

try (
    final InputStream in = myUrl.openStream();
    final Reader reader = new InputStreamReader(in, StandardCharsets.UTF_8);
) {
    // read from the reader here
}

<小时/>

现在，你正在混合什么......

您从InputStream读取； InputStream 只知道如何读取字节。

但是你想要文字；在 Java 中，文本表示 char 序列。

让我们暂时忘记您想要char，而专注于您想要文本这一事实；让我们用 char 代替信鸽。

现在，您需要做的就是将这个字节流转换为信鸽流。为此，您需要一个特定的过程。在这种情况下，该过程称为解码。

现在回到 Java。还存在一个相反的过程:将信鸽流(或char)编码为字节流。

技巧...有多种方法可以做到这一点； Unicode 将它们称为字符编码；在 Java 中，提供编码器和解码器的基类是Charset。

现在，InputStreamReader 接受 Charset 作为第二个参数...您应该始终指定它。如果您不这样做，则:

new InputStreamReader(in);

相当于:

new InputStreamReader(in, Charset.defaultCharset());

和 Charset.defaultCharset() 不是。有保证。到。是。这。相同的。其中。实现。的。 JRE。