HttpClient 爬数据时 中文编码问题报错
一、目标网页输出的内容：http://www.test.com/test.html <html> <head> <meta http-equiv="Content-Language" content="zh-cn"> <meta http-equiv="Content-Type" content="text/html; charset=gb2312"> <title>中文字库</title><body>中文字，偷偷藏着的Unicode码：蘋</body></html> 二、开始抓取 HttpClient client = new HttpClient(); HttpMethod method = new GetMethod(“http://www.test.com/test.html”); method.addRequestHeader("Content-Type", "text/html; charset=GB2312"); byte[] html = method.getResponseBody(); String body = new String(html,Charset.forName("GB2312")); System.out.println(“======”+body); 三、输出结果 <html> <head> <meta http-equiv="Content-Language" content="zh-cn"> <meta http-equiv="Content-Type" content="text/html; charset=gb2312"> <title>中文字库</title><body>中文字，偷偷藏着的Unicode码：口</body></html> 抓取到的数据中，隐藏中的Unicode码不是变成方框口，就是变成问号？。 解决办法： String body = new String(html,Charset.forName("GB18030")); 解决的根据如下： 中国国标编码:
题外：Eclipse3.4后的默认中文编码是GB18030，之前的的Eclipse版本用的是GBK~~
写回答
-
<meta http-equiv="Content-Type" content="text/html; charset=GB18030"> String body = method.getResponseBodyAsString();######mark，很不错。
2020-06-11 10:29:55赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
