读取一个网页时编码正确部分中文乱码

最新推荐文章于 2024-01-11 11:24:05 发布

原创最新推荐文章于 2024-01-11 11:24:05 发布 · 3.4k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#乱码 #java

android 专栏收录该内容

3 篇文章

订阅专栏

本文探讨了在APP开发过程中遇到的汉字乱码问题，并详细分析了其根本原因。通过改变数据读取方式，从字节缓冲转换为字符缓冲，最终成功解决了乱码问题。

在做一个app，需要数据源，就去网上抓取，在展示时方向总是有个别汉字是乱码，抓狂

在网上找的的解决方案五花八门
方案一：在网络请求时设置请求头信息，告诉服务器要请求的编码
方案二：new String(str.getBytes(“encode”), “encode”);
方案三：设置IDE的编码方式

只能说，通通pass,我要请求的编码没错，是utf-8，开发工具的编码也是utf-8,那么为什么会乱码呢

原因

在我们得到一个页面的数据流并读取它时，通常会创建一个缓冲，如byte[] buff = new byte[1024]。
那么问题来了，一个汉字是占用两个字节，这就有可能会造成一个汉字会被分成两次读取，这样这个汉字在转为字符串是自然也就不能正确解码了。

解决方案

既然汉字占两个字节，那么我们就两个字节两个字节的读取呗，把读取时的字节流转为字符流，缓冲也由字节缓冲换为字符缓冲，OK，搞定！

HttpURLConnection conn = (HttpURLConnection) url.openConnection();
InputStream in = conn.getInputStream();
InputStreamReader ir = new InputStreamReader(in); //字节流转字符流
char[] buff = new char[1024];
int len = -1;
StringBuffer sb = new StringBuffer();
while((len = ir.read(buff)) != -1){
    sb.append(buff, 0, len);
}
in.close();
ir.close();