Jsoup 中的字符集

Question

我使用 Jsoup 库。

After the execution of the following code:

Document doc = new Document(language);

File input = new File("filePath" + "filename.html");
PrintWriter writer = new PrintWriter(input, "UTF-8");

String contentType = "<%@ page contentType=\"text/html; charset=UTF-8\" %>";
doc.appendText(contentType);

writer.write(doc.toString());
writer.flush();
writer.close();

In the output html file I receive the following line of text:

&lt;%@ page contentType=&quot;text/html; charset=UTF-8&quot; %&gt;

而不是

<%@ page contentType="text/html; charset=UTF-8" %>

可能是什么问题？

Answer 1

这些是转义字符，用于防止浏览器将它们视为 html 标记。这不是问题。当您通过浏览器打开页面时，它将正确呈现

Answer 2

这里有些问题：

Document doc = new Document(language);

不要这样做。请改用 Jsoup.parse(...)。

<%@ page contentType="text/html; charset=UTF-8" %>

这不是 HTML，可能无法正确解析。

现在，针对您的问题。你应该使用类似

Document document = Jsoup.parse(new ByteArrayInputStream(myHtmlString.getBytes(StandardCharsets.UTF_8)), "ISO-8859-1", BaseUrl);

检查 this, this, and this 您可能需要的输出设置。

Jsoup 中的字符集

Charset in Jsoup

html

character-encoding

jsoup