java - 读取站点源: � characters

Question

我尝试从浏览器读取源代码，但是当代码中包含 ã、á、à、õ 等字符时，我会得到 � 。

我已尝试申请java.nio.Charset.encode在读取行上，但没有结果:发生同样的事情。

我的代码是:

URLConnection connection = ...;
BufferedReader reader = new BufferedReader(connection.getInputStream());
String s = null;

while ((s = reader.readLine()) != null) {
  // got new source line...
}

我正在尝试阅读的网站是 this one (PT-BR)。

Answer 1

根据元标记，该页面上的字符集是 ISO-8859-1。尝试使用:

Scanner scanner = new Scanner(connection.getInputStream(), "ISO-8859-1");