我正在尝试从 http://api.freebase.com/api/trans/raw/m/0h47 检索数据
正如您在文本中看到的那样,有这样的歌曲:/ælˈdʒɪəriə/
。
当我尝试从页面获取源代码时,我得到的文本包含 ú
等内容。
到目前为止,我已尝试使用以下代码:
urlConnection.setRequestProperty("Accept-Charset", "UTF-8");
urlConnection.setRequestProperty("Content-Type", "application/x-www-form-urlencoded;charset=utf-8");
我做错了什么?
我的整个代码:
URL url = null;
URLConnection urlConn = null;
DataInputStream input = null;
try {
url = new URL("http://api.freebase.com/api/trans/raw/m/0h47");
} catch (MalformedURLException e) {e.printStackTrace();}
try {
urlConn = url.openConnection();
} catch (IOException e) { e.printStackTrace(); }
urlConn.setRequestProperty("Accept-Charset", "UTF-8");
urlConn.setRequestProperty("Content-Type", "text/plain; charset=utf-8");
urlConn.setDoInput(true);
urlConn.setUseCaches(false);
StringBuffer strBseznam = new StringBuffer();
if (strBseznam.length() > 0)
strBseznam.deleteCharAt(strBseznam.length() - 1);
try {
input = new DataInputStream(urlConn.getInputStream());
} catch (IOException e) { e.printStackTrace(); }
String str = "";
StringBuffer strB = new StringBuffer();
strB.setLength(0);
try {
while (null != ((str = input.readLine())))
{
strB.append(str);
}
input.close();
} catch (IOException e) { e.printStackTrace(); }
最佳答案
HTML 页面是 UTF-8,可以使用阿拉伯字符等。但是那些高于 Unicode 127 的字符仍然被编码为数字实体,如 ú
。 Accept-Encoding 不会有帮助,因为 UTF-8 是完全正确的加载。
您必须自己解码实体。像这样的东西:
String decodeNumericEntities(String s) {
StringBuffer sb = new StringBuffer();
Matcher m = Pattern.compile("\\&#(\\d+);").matcher(s);
while (m.find()) {
int uc = Integer.parseInt(m.group(1));
m.appendReplacement(sb, "");
sb.appendCodepoint(uc);
}
m.appendTail(sb);
return sb.toString();
}
顺便说一下,这些实体可能源自经过处理的 HTML 表单,因此在 Web 应用程序的编辑端。
在有问题的代码之后:
我已将 DataInputStream 替换为文本的 (Buffered)Reader。 InputStreams读取二进制数据,字节;读者文本,字符串。 InputStreamReader 具有一个 InputStream 和一个编码作为参数,并返回一个 Reader。
try {
BufferedReader input = new BufferedReader(
new InputStreamReader(urlConn.getInputStream(), "UTF-8"));
StringBuilder strB = new StringBuilder();
String str;
while (null != (str = input.readLine())) {
strB.append(str).append("\r\n");
}
input.close();
} catch (IOException e) {
e.printStackTrace();
}
关于Java UTF-8 编码未设置为 URLConnection,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8934797/