再次是String轉換：UNIX Windows-1252到String

Question

我正在使用Java下載Java網站，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。 我需要能夠正確打印這些。

我嘗試使用以下方式編碼字符串：

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

但是它所做的就是用?替換這些特殊字符? 。

當我嘗試使用從Chrome和Notepad ++下載的.html文件打開要在此處進行打印的內容時，它顯示（在右下角） UNIX和Windows-1252 。 這就是我對編碼文件的了解。

我可以采取什么其他步驟找出問題所在？

- 和 -

如何轉換此文件，以便可以用Java正確讀取和打印它？

抱歉，這個問題有點愚蠢……我根本不知道，並且在互聯網上找不到任何東西。

Answer 1

好，所以您在這里混合了很多東西。

首先，您需要執行以下操作：

new InputStreamReader(myUrl.openStream())

這將打開讀者，是的； 但是，它將使用默認的JRE / OS Charset 。 也許不是您想要的。

嘗試指定您要使用UTF_8（注意，Java 7+代碼）：

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

---

現在，您正在混合...

您從InputStream閱讀； InputStream僅知道如何讀取byte s。

但是你想要文字； 在Java中，文本表示char序列。

讓我們暫時忘記您想要的char並專注於您想要文本的事實； 讓我們用char代替信鴿。

現在，您需要做的是將字節流轉換為載體鴿子流。 為此，您需要一個特定的過程。 在這種情況下，該過程稱為解碼 。

現在回到Java。 也存在一個相反的過程： 將信鴿（或char ）流編碼為字節流。

訣竅...有幾種方法可以做到這一點。 Unicode將它們稱為character codings 。 在Java中，提供編碼器和解碼器的基類是Charset 。

現在， InputStreamReader接受一個Charset作為第二個參數……您應該始終指定它。 如果您不這樣做，則：

new InputStreamReader(in);

將等同於：

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

而Charset.defaultCharset()為Not。 保證。 至。 是。 的。 相同。 其中。 實現。 的。 JRE。