java - 解析 HTML 时如何在 Java 中跟踪 ChangedCharSetException？

Question

我将以下代码与 javax.swing.text.html.parser.ParserDelegator 结合使用，以便解析来自网站的超链接。

InputStream inputStream;
InputStreamReader inputStreamReader;
inputStream = rsc.getUrl().openStream();
inputStreamReader = new InputStreamReader(inputStream);
ParserDelegator parserDelegator = new ParserDelegator();
ParserCallback parserCallback = new ParserCallback() {
    public void handleStartTag(Tag tag, MutableAttributeSet attribute, int pos) {
        if (tag == Tag.A) {
            String address = (String) attribute.getAttribute(Attribute.HREF);
            if ((address != null) && !address.equalsIgnoreCase("null"))
                links.add(address);
        }
    }
    public void handleSimpleTag(Tag t, MutableAttributeSet a, final int pos) { }
    public void handleEndTag(Tag t, final int pos) { }
    public void handleComment(final char[] data, final int pos) { }
    public void handleText(final char[] data, final int pos) { }
    public void handleError(final java.lang.String errMsg, final int pos) { }
};
parserDelegator.parse(inputStreamReader, parserCallback, false);

这对于大多数网站来说效果很好，但例如，当我尝试打开 http://www.univie.ac.at 时，我收到以下异常:

javax.swing.text.ChangedCharSetException
    at javax.swing.text.html.parser.DocumentParser.handleEmptyTag(DocumentParser.java:172)
    at javax.swing.text.html.parser.Parser.startTag(Parser.java:413)
    at javax.swing.text.html.parser.Parser.parseTag(Parser.java:1943)
    at javax.swing.text.html.parser.Parser.parseContent(Parser.java:2061)
    at javax.swing.text.html.parser.Parser.parse(Parser.java:2228)
    at javax.swing.text.html.parser.DocumentParser.parse(DocumentParser.java:105)
    at javax.swing.text.html.parser.ParserDelegator.parse(ParserDelegator.java:84)

我将如何捕获此异常，但仍继续解析我的远程文档(例如我的 InputStream)？

Answer 1

我发现的最简单的方法就是完全忽略字符集:

改变

parserDelegator.parse(inputStreamReader, parserCallback, false);

至:

parserDelegator.parse(inputStreamReader, parserCallback, true);

因为第三个选项是booleanignoreCharSet。