java - org.apache.commons.io.IOUtils.toString 错误解释 UTF-8

Question

我正在尝试从 URI 获取源。据报告为 UTF-8。我还尝试过 ISO-8859-1、ISO-8859-1 Windows-1250 和 ISO-8859-2。

这是我最近尝试的代码(尝试 ISO-8859-2):

public static String getPage(String page,String charset) throws IOException{
        URL url=new URL(page);

        return org.apache.commons.io.IOUtils.toString(url.openConnection().getInputStream(),charset);
    }

    public static void main(String args[])throws Exception{
        String page=getPage("http://buscon.rae.es/drae/srv/search?val=aba","ISO-8859-2");
        System.out.println(page);
    }

但结果是:

apä?ge“quita，aparta”，y este del gr。 á¼?Ï?αY³Îµ)

而不是:

(Del lat.apăge 'quita，aparta'，y este del gr.ἄπαγε)。

同样，UTF-8(与其他代码和浏览器一起使用)和其他编码名称也会以类似的方式失败。

Answer 1

U+0103 (ă) 被编码为字节序列 C4 83；该数据是 UTF-8。

该错误可能是由于您通过附加到 System.out 的 PrintStream 执行的其他转码操作造成的。这会将数据编码为 system encoding ，这可能是有损转换，如果写入的设备不使用匹配的编码，则可能会导致损坏。

您可以阅读有关 Windows 控制台的一些分析 here .