如何在不使用“”替换部分HTML代码的情况下使用Java下载完整的网页？

Question

我一直在编写一些网站代码，并将HTML代码复制到文本文件中。 问题是某些代码被替换为“＆nbsp”。 这是我正在使用的代码：

public void addRecords() throws IOException{

    URL google = new URL("Insert Website Here");
    BufferedReader in = new BufferedReader(
            new InputStreamReader(google.openStream()));

    String inputLine;
    while ((inputLine = in.readLine()) != null){
        System.out.println(inputLine);
        z.format("%s \n ", (inputLine));
    }
    in.close();
}

Answer 1

1. 将网页读取到连续的缓冲区中。
2. 替换为“＆nbsp;” 与“”。
3. 写入文本文件。

选项2

1. 阅读网页（就像现在一样）。
2. 获取网页的一行。
3. 替换为“＆nbsp;” 与“”。
4. 编写网页的一行。
5. 如果有更多行，请转到步骤1。

Answer 2

有许多形式为&...; HTML实体&...; 在浏览器中显示为特殊字符。 您甚至可以使用免费的数字，字符代码： &8233; 。

有一个具有类似unescape功能的Apache库公共语言 ：

html = StringEscapeUtils.unescapeHtml4(html);

Answer 3

您可以尝试如下操作：

System.out.println(inputLine.replaceAll(" "," "));

OBS >请注意，您的HTML页面可能会包含其他字符转义符，因此此解决方案不太好重用。

您可以参考本文中在此处看到的common lang Apache项目： 用Java中的等效字符替换HTML代码