再次是String转换：UNIX Windows-1252到String

Question

我正在使用Java下载Java网站，方法如下：

myUrl = new URL("here is my URL");
            in = new BufferedReader(new InputStreamReader(myUrl.openStream()));

但是，此文件中有一些特殊字符，如ä，ö和ü。 我需要能够正确打印这些。

我尝试使用以下方式编码字符串：

String encodedString = new String(toEncode.getBytes("Windows-1252"), "UTF-8");

但是它所做的就是用?替换这些特殊字符? 。

当我尝试使用从Chrome和Notepad ++下载的.html文件打开要在此处进行打印的内容时，它显示（在右下角） UNIX和Windows-1252 。 这就是我对编码文件的了解。

我可以采取什么其他步骤找出问题所在？

- 和 -

如何转换此文件，以便可以用Java正确读取和打印它？

抱歉，这个问题有点愚蠢……我根本不知道，并且在互联网上找不到任何东西。

Answer 1

好，所以您在这里混合了很多东西。

首先，您需要执行以下操作：

new InputStreamReader(myUrl.openStream())

这将打开读者，是的； 但是，它将使用默认的JRE / OS Charset 。 也许不是您想要的。

尝试指定您要使用UTF_8（注意，Java 7+代码）：

try (
    final InputStream in = myUrl.openStream();
    final Reader reader = new InputStreamReader(in, StandardCharsets.UTF_8);
) {
    // read from the reader here
}

---

现在，您正在混合...

您从InputStream阅读； InputStream仅知道如何读取byte s。

但是你想要文字； 在Java中，文本表示char序列。

让我们暂时忘记您想要的char并专注于您想要文本的事实； 让我们用char代替信鸽。

现在，您需要做的是将字节流转换为载体鸽子流。 为此，您需要一个特定的过程。 在这种情况下，该过程称为解码 。

现在回到Java。 也存在一个相反的过程： 将信鸽（或char ）流编码为字节流。

诀窍...有几种方法可以做到这一点。 Unicode将它们称为character codings 。 在Java中，提供编码器和解码器的基类是Charset 。

现在， InputStreamReader接受一个Charset作为第二个参数……您应该始终指定它。 如果您不这样做，则：

new InputStreamReader(in);

将等同于：

new InputStreamReader(in, Charset.defaultCharset());

而Charset.defaultCharset()为Not。 保证。 至。 是。 的。 相同。 其中。 实现。 的。 JRE。