爲什麼在這個網頁（使用JSoup生成）中沒有正確呈現UTF-8字符？

Question

我在使用JSoup庫解析和呈現頁面時遇到了字符集問題。這裏是它呈現在網頁的一個例子：

http://dl.dropbox.com/u/13093/charset-problem.html

正如你所看到的，那裏應該是'字，？正在被渲染（即使你查看源代碼）。

通過下載網頁，使用JSoup進行解析，然後在進行一些結構更改後再次重新渲染，即可生成此頁面。

我下載的頁面如下：

final Document inputDoc = Jsoup.connect(sourceURL.toString()).get(); 

當我創建的輸出文檔我這樣做如下：

outputDoc.outputSettings().charset(Charset.forName("UTF-8")); 
outputDoc.head().appendElement("meta").attr("charset", "UTF-8"); 
outputDoc.head().appendElement("meta").attr("http-equiv", "Content-Type") 
      .attr("content", "text/html; charset=UTF-8"); 

任何人都可以提供建議，以我在做什麼錯誤？

編輯：請注意，源頁面http://blog.locut.us/和你會看到，它似乎正確地呈現

Answer 1

只要您將字符寫入響應的輸出流，而響應的字符編碼未涵蓋該字符，問號就是典型的問題。在提供響應時，您似乎依賴於平臺默認字符編碼。您網站的回覆Content-Type標題也通過缺少charset屬性來確認此問題。

假設你使用一個servlet服務於修改HTML，那麼你應該使用HttpServletResponse#setCharacterEncoding()之前設置的字符編碼寫入修改後的HTML出來。

response.setCharacterEncoding("UTF-8"); 
response.getWriter().write(html); 

Answer 2

的問題是最有可能在讀取輸入頁面，你需要爲源的正確編碼太。