爪哇 - 讀字符串掃描儀給我奇怪的字符

2016-07-05 130 views 1 likes

<title="<html><center>TURN: Washington's Spies (TV Series 2014–) - IMDb</center></html>">

通過標題分析了一下後，只需使用一個簡單的分隔符報價即

useDelimiter("\"")並使用

lineScanner.next()，標題我得到的回覆是

TURN: Washington's Spies (TV Series 2014â€「) - IMDb

這就是我通過控制檯得到的結果，以及我在設置JLabel文本時看到的內容。我要的是

TURN: Washington's Spies (TV Series 2014–) - IMDb

如何避免這種情況？

2016-07-05 Shmank25

請發表您的代碼。 –

您可能應該使用XML解析器從HTML字符串中進行復雜（甚至是中度複雜）的提取操作。 –

它看起來像你解析它在錯誤的字符集 - 我會*猜*像它被保存爲UTF-8，並加載它爲ISO-8859-1。請顯示您如何創建'lineScanner'。 –

回答

的–字符TV Series 2014後是Unicode符號En dash

與UTF-8編碼這是E2 80 93（十六進制）。

好像你的掃描程序不知道他正在讀的UTF-8編碼字符串，但認爲它是一個的Windows 1252編碼之一，所以它讀取3個字符E2（A），80（€ ）和93（「）：

我該如何避免這種情況？

讓你的Scanner讀UTF-8：Read utf-8 using Scanner

lineScanner = new Scanner(/*...*/, "UTF-8");

2016-07-05 17:45:35 larsgrefer

相關問題