【发布时间】：2014-04-13 10:51:13
【问题描述】：
我们正在使用 jsoup - 非常感谢。
我们可能会得到没有 http-equiv 元标记的 HTML 文件，并且字符集可能不是 UTF-8。 请问这个怎么处理最好。我们可以有一个编码列表并尝试它们，但我不确定如何以编程方式判断是否有问题。 jsoup 会抛出 IOException 吗？
【问题讨论】：
标签： html character-encoding jsoup
【发布时间】：2014-04-13 10:51:13
【问题描述】：
Jsoup 将尝试通过 content type header 或 http equiv tag 来确定编码，如果您没有它们，它将使用 utf8。不确定 jsoup 是否可以在这里为您做更多的事情。
但你可以尝试另一种方法：
实现一个为您读取文件的类。在那里，您可以处理所有编码问题。因此，这样的类应该为您提供正确的编码字符串，或者至少为您的输入提供编码。
(html input) --> [encoding class] --normalized encoding--> [jsoup] --> (whatever)
Jsoup 现在可以使用已知编码解析该输入。
我猜想改变 html-creation 是不可能的，不是吗？
进一步阅读：
【讨论】：
-
谢谢。阅读：joelonsoftware.com/articles/Unicode.html 有帮助。
-
也有帮助。现在我undersatnd 更好的字符集与编码。我将所有设置都设置为 UTF-8。我放了一些中文
-
抱歉出现乱码。谷歌搜索提出 jsoup 不支持中文和日文字符集的建议。请问是这样吗。在 UTF-8 下，其他一切似乎都可以正常工作。
-
我没有用亚洲字符集测试过jsoup，但是如果你使用java的方法处理字符串然后用jsoup解析它也会失败。