【发布时间】：2011-02-22 11:43:04
【问题描述】：
如何使用java找出网页中字符编码的类型
【问题讨论】：
标签： java
【发布时间】：2011-02-22 11:43:04
【问题描述】：
打开到 URL 的连接（使用 URL.openConnection()），并解析 getContentType() 方法返回的内容类型（应该包含字符集）。如果此标头中不存在，您可能必须解析 HTML 内容并查找诸如
之类的标记<meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1" />
【讨论】：
-
我会将“可能不得不”改为“将不得不”。
-
您还应该查看 XML 声明，例如
<?xml version="1.0" encoding="ISO-8859-1" ?>。 （如果存在，它应该在文档的开头。）
我相信这正是您所需要的。既有代码又有解释。 http://nadeausoftware.com/node/73
简要总结如下：
创建一个 WebFile 类，其中：
- 构造函数
public WebFile( String urlString )打开一个URLConnection，读入标头，包括字符编码。如果编码不存在，那么您必须从网页本身读取编码。如果这也不存在，您可以通过Character Encoding Detection Algorithm 试试运气 - 方法
private Object readStream(int length, java.io.InputStream stream)从流中读取页面数据并使用字符编码返回String，即return new String( bytes, charset )，如果不存在编码或存在编码，则返回通过读取流创建的字节数组编码异常。 - 您有页面内容的 getter 和 setter（例如，只调用一次 readStream，返回编码）
【讨论】：
-
仅提供外部资源的链接并不是一个好的答案。该链接可能会失效并变得无用。您应该在回答中至少有一个摘要。
-
@Joachim Sauer：不想重写该页面的完美描述 - 但没有考虑无效链接场景。已修复，谢谢。