java - UTF-8 和 ISO-8859-1 不适用于 Java 中的欧洲字符集解码

Question

您好，我有一个 HTML 页面，我正在从中抓取数据。该页面使用UTF-8字符集并包含德语和其他欧洲字母

<meta charset="utf-8">

但是当我尝试在 Java 中将其解码为 ISO-8859-1 和 UTF-8 时，却没有任何效果。我无法获取欧洲字符，而是得到如下值:

Bayern München
Bor. Mönchengladbach
Jérôme Boateng

以下是我的代码片段:

               URL myUrl = new URL("http://www.weltfussball.de/spielplan/bundesliga-"
                                + season + "-spieltag/" + gameDay + "/");

    in = new BufferedReader(new InputStreamReader(myUrl.openStream(), "ISO-8859-1"));

                while ((line = in.readLine()) != null) {
                    all += line;
                }

我注意到的一件事是，当我打印 String line; 时，它会在 java 控制台上正确打印所有拉丁字符，但是一旦我将其连接到 String all; 字符就会困惑......任何人都可以提出解决方案吗？

Answer 1

首先，尝试查看页面是否真的像它假装的那样使用 UTF-8:

final CharsetDecoder decoder = StandardCharsets.UTF_8.newDecoder()
    .onMalformedInput(CodingErrorAction.REPORT);

try (
    final InputStream in = url.openStream();
    final Reader reader = new InputStreamReader(in, decoder);
) {
    /* read the contents */
}

如果该程序抛出MalformedInputException，那么您就知道该页面在撒谎。

但是，鉴于您的输出，我怀疑问题是您的显示器无法正确读取 UTF-8。