JSoup 字符编码问题 #2答案

【问题标题】：JSoup character encoding issue #2JSoup 字符编码问题 #2
【发布时间】：2012-06-28 11:44:36
【问题描述】：

我正在构建一个这样的 JSoup 文档：

String user_agent = "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US) AppleWebKit/A.B     (KHTML, like Gecko) Chrome/X.Y.Z.W Safari/A.B.";
String url = "http://www.ncbi.nlm.nih.gov/pmc/articles/PMC24391/?tool=pubmed";
Document doc = return Jsoup.connect(url).userAgent(user_agent).get();

然后，我使用doc.toString() 保存到文件，在保存的文件中我看到字符被? 替换。例如5 μm 将变为5 ?m。

如果我将输出设置更改为使用 ISO-8859-1 字符集，似乎没问题。

谁能解释这是为什么？据我了解，原始html页面是UTF-8，这是默认的Jsoup编码..

【问题讨论】：

标签： java character-encoding jsoup

【解决方案1】：

对我来说很好用。您的问题是由其他地方引起的。

最可能的原因是您没有使用 UTF-8 保存文件。您应该使用OutputStreamWriter 将指定字符编码的字符写入文件。

writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");

此外，您需要确保文件查看器或您在保存文件后使用的任何进程在整个管道中也使用 UTF-8。另见Unicode - How to get the characters right?

【讨论】：

这正是问题所在。它在 Java 保存中使用默认字符集，即“MacRoman”。非常感谢！