<rt id="bn8ez"></rt>
<label id="bn8ez"></label>

  • <span id="bn8ez"></span>

    <label id="bn8ez"><meter id="bn8ez"></meter></label>

    隨筆-295  評(píng)論-26  文章-1  trackbacks-0

    最近發(fā)現(xiàn)用htmlparser解析一些網(wǎng)頁(yè)時(shí),繁體中文會(huì)變成亂碼.分析了下原因,發(fā)現(xiàn)在用stringbean的時(shí)候htmlparser會(huì)自己根據(jù)meta來決定用哪種內(nèi)碼來解碼,而有的網(wǎng)站在meta中是用gb2312來做charset,實(shí)際應(yīng)用的時(shí)候又用到了gbk.gb2312是不能表示繁體的,所以就出現(xiàn)了亂碼.解決的辦法很簡(jiǎn)單,gbk是兼容gb2312的,所以在htmlparser的page.java的getcharser()那里加一句判斷,如果ret是gb2312就設(shè)置為gbk,這樣問題就解決了.?

    修改的page.java的代碼如下(/lexer/page.java)


    ??? public String getCharset (String content)
    ??? {
    ??????? final String CHARSET_STRING = "charset";
    ??????? int index;
    ??????? String ret;

    ??????? if (null == mSource)
    ??????????? ret = DEFAULT_CHARSET;
    ??????? else
    ??????????? // use existing (possibly supplied) character set:
    ??????????? // bug #1322686 when illegal charset specified
    ??????????? ret = mSource.getEncoding ();
    ??????? if (null != content)
    ??????? {
    ??????????? index = content.indexOf (CHARSET_STRING);

    ??????????? if (index != -1)
    ??????????? {
    ??????????????? content = content.substring (index +
    ??????????????????? CHARSET_STRING.length ()).trim ();
    ??????????????? if (content.startsWith ("="))
    ??????????????? {
    ??????????????????? content = content.substring (1).trim ();
    ??????????????????? index = content.indexOf (";");
    ??????????????????? if (index != -1)
    ??????????????????????? content = content.substring (0, index);

    ??????????????????? //remove any double quotes from around charset string
    ??????????????????? if (content.startsWith ("\"") && content.endsWith ("\"")
    ??????????????????????? && (1 < content.length ()))
    ??????????????????????? content = content.substring (1, content.length () - 1);

    ??????????????????? //remove any single quote from around charset string
    ??????????????????? if (content.startsWith ("'") && content.endsWith ("'")
    ??????????????????????? && (1 < content.length ()))
    ??????????????????????? content = content.substring (1, content.length () - 1);

    ??????????????????? ret = findCharset (content, ret);

    ??????????????????? // Charset names are not case-sensitive;
    ??????????????????? // that is, case is always ignored when comparing
    ??????????????????? // charset names.
    //??????????????????? if (!ret.equalsIgnoreCase (content))
    //??????????????????? {
    //??????????????????????? System.out.println (
    //??????????????????????????? "detected charset \""
    //??????????????????????????? + content
    //??????????????????????????? + "\", using \""
    //??????????????????????????? + ret
    //??????????????????????????? + "\"");
    //??????????????????? }
    ??????????????? }
    ??????????? }
    ??????? }
    ??????? if(ret.equalsIgnoreCase("gb2312"))ret="GBK"; //to avoid decode problem
    ??????????????????????????????????????????????????????????????????????????????????????? ? ?//edited by linyunfan
    ??????? return (ret);
    ??? }

    ?

    在最后加入了這句

    ??????? if(ret.equalsIgnoreCase("gb2312"))ret="GBK";



    大盤預(yù)測(cè) 國(guó)富論
    posted on 2008-10-09 13:33 華夢(mèng)行 閱讀(1772) 評(píng)論(3)  編輯  收藏

    評(píng)論:
    # re: htmlparser解析一些網(wǎng)頁(yè)時(shí),繁體中文會(huì)變成亂碼 2008-12-28 22:01 | 繁體
    # re: htmlparser解析一些網(wǎng)頁(yè)時(shí),繁體中文會(huì)變成亂碼 2009-03-11 15:45 | pnut
    不錯(cuò)。完全可以!
    用parser.setEncoding("gbk")是不起作用的,程序運(yùn)行時(shí)會(huì)用所抓網(wǎng)頁(yè)的“charset”覆蓋的。
    gbk是gb2312的超集,所以用gbk去處理gb2312的網(wǎng)頁(yè)完全沒有問題,事實(shí)上,眾多網(wǎng)頁(yè)上所寫的gb2312是不嚴(yán)謹(jǐn)?shù)模琁E也總是會(huì)忽略它而用gbk去展示的。但目前現(xiàn)狀是很多網(wǎng)站都在寫gb2312,用博主的辦法處理是個(gè)好主意。
    補(bǔ)充一下,Page.java在httplexer.jar里,源碼可以去“http://sourceforge.net/projects/htmlparser/” 下載  回復(fù)  更多評(píng)論
      
    # re: htmlparser解析一些網(wǎng)頁(yè)時(shí),繁體中文會(huì)變成亂碼[未登錄] 2011-08-07 15:53 | 小武
    我改成樓主說的那樣了,還是不得呢?
    QQ:1161008015 可以加我qq交流一下嘛。  回復(fù)  更多評(píng)論
      

    只有注冊(cè)用戶登錄后才能發(fā)表評(píng)論。


    網(wǎng)站導(dǎo)航:
     
    主站蜘蛛池模板: 亚洲中文字幕无码一去台湾| 亚洲欧洲在线播放| 精品国产无限资源免费观看| 亚洲欧美成人综合久久久| 亚洲精品国精品久久99热| 无码一区二区三区AV免费| 久久国产精品2020免费m3u8| 蜜芽亚洲av无码一区二区三区| 亚洲尹人香蕉网在线视颅| 亚洲精品tv久久久久| 亚洲?v无码国产在丝袜线观看| 国产成人精品免费视频大全麻豆| 中文字幕的电影免费网站| 四虎影视久久久免费观看| 羞羞的视频在线免费观看| 亚洲国产精品成人综合色在线| 亚洲人成电影在线观看网 | 亚洲精品无码一区二区| 亚洲乱人伦精品图片| 亚洲第一男人天堂| 亚洲人片在线观看天堂无码| 亚洲专区中文字幕| 丁香婷婷亚洲六月综合色| 亚洲色中文字幕在线播放| 亚洲女女女同性video| WWW国产成人免费观看视频| 日韩在线观看视频免费| a级毛片高清免费视频| 51视频精品全部免费最新| 国产精品视频免费一区二区三区| 日韩精品成人亚洲专区| 在线亚洲人成电影网站色www| 亚洲第一区香蕉_国产a| 亚洲天堂男人影院| free哆拍拍免费永久视频| 最近免费中文字幕大全高清大全1| 久久精品a一国产成人免费网站| 免费国产在线观看| 亚洲综合区图片小说区| 美女黄频视频大全免费的| 91九色老熟女免费资源站|