來自URL的Java InputStreamReader不編碼「Umlaute」

Question

我嘗試從URL中讀取html內容。當我不想將內容打印到控制檯的「Umlaute」中時，就像ä，ö，ü顯示錯誤。

URL url = new URL("http://www.lauftreff.de/laeufe/halbmarathon-1-2017.html"); 
URLConnection conn = url.openConnection(); 
InputStreamReader input = new InputStreamReader(conn.getInputStream(),StandardCharsets.ISO_8859_1); 
BufferedReader bi = new BufferedReader(input); 
String inputLine; 
while((inputLine = bi.readLine()) != null){ 
    System.out.println(inputLine); 
} 

在html的標題中，charset的信息是ISO_8859_1。 UTF-8也不起作用。 有沒有人想法該怎麼做？

Answer 1

在網站中，Umlaute被解碼爲HTML實體。所以你需要解碼這些。下面的代碼應該可以工作，但是沒有經過測試。

URL url = new URL("http://www.lauftreff.de/laeufe/halbmarathon-1-2017.html"); 
URLConnection conn = url.openConnection(); 
InputStreamReader input = new InputStreamReader(conn.getInputStream(),StandardCharsets.ISO_8859_1); 
BufferedReader bi = new BufferedReader(input); 
String inputLine; 
while((inputLine = bi.readLine()) != null){ 
    inputLine = StringEscapeUtils.unescapeHtml4(inputLine); 
    System.out.println(inputLine); 
}