與數字字符編碼JSoup引用問題

打開的Reader文件，使用一些指定的編碼。
在每一行中閱讀，將其解析爲CSV。

對於一些在CSV數據列，把它傳遞給JSoup到如下清理HTML：

public String apply(@Nullable String input) { 
    Document document = Jsoup.parse(input); 

    return document.text(); 
}

這個偉大的工程，除了在numeric character references存在，如 。看起來發生的事情是，因爲在我們找出編碼（爲了使CSV解析工作）之後我們必須做JSoup調用，當JSoup轉而將硬編碼的字節轉換成字符時，我們正在工作與錯誤的字符集。 Byte 160（0xa0）在windows-1252中是非破壞性的空間，但不是有效的Unicode字符，所以當JSoup用一個字節替換數字字符引用時，給我們提供了不好的數據。

有沒有辦法解決？這將需要JSoup被賦予數字字符引用的「源編碼」，或類似的東西。

來源

2012-10-04 Petter Måhlén

嘗試調用text()之前如下：

document.outputSettings().charset("windows-1252");

對於多個輸出設置見javadoc。

來源

2012-10-04 09:52:35

原來我很困惑 - 問題是別的。不過，這聽起來像是對原始問題的正確答案。關於API的一個問題 - 這實際上不是*輸出*設置，它是* input *編碼的問題，對吧？ –

與數字字符編碼JSoup引用問題

回答

相關問題