java - org.apache.commons.io.IOUtils.toString 错误解释 UTF-8

Question

我正在尝试从 URI 获取源。它被报告为UTF-8。我也尝试过 ISO-8859-1、ISO-8859-1 Windows-1250 和 ISO-8859-2。

这是我最近尝试的代码(尝试 ISO-8859-2):

public static String getPage(String page,String charset) throws IOException{
        URL url=new URL(page);

        return org.apache.commons.io.IOUtils.toString(url.openConnection().getInputStream(),charset);
    }

    public static void main(String args[])throws Exception{
        String page=getPage("http://buscon.rae.es/drae/srv/search?val=aba","ISO-8859-2");
        System.out.println(page);
    }

但结果是:

apÄ?ge 'quita, aparta', y este del gr. á¼?Ï?αγε)

而不是:

(Del lat. apăge 'quita, aparta', y este del gr. ἄπαγε)。

同样，UTF-8(适用于其他代码和浏览器)和其他编码名称也以类似的方式失败。

Answer 1

U+0103 (ă) 被编码为字节序列 C4 83 ;这个数据是UTF-8。

该错误可能是由于您通过 PrintStream 执行的其他转码操作所致。附于 System.out .这会将数据编码为 system encoding ，这可能是有损转换，如果写入的设备不使用匹配的编码，则可能会导致损坏。

您可以阅读有关 Windows 控制台 here 的一些分析。 .