java – HTMLCLEANER处理西班牙语字符

2024年2月5日 236次阅读

我正在使用
HtmlCleaner库来解析/转换java中的HTML文件.

似乎无法处理像’ÁáÉéÍíÑñÓóÚúÜü’这样的西班牙语字符

我可以在HtmlCleaner中设置任何属性来处理这个或任何其他解决方案吗？这是我用来调用它的代码：

CleanerProperties props = new CleanerProperties();
props.setRecognizeUnicodeChars(true);
java.io.File file = new java.io.File("C:\\example.html");
TagNode tagNode = new HtmlCleaner(props).clean(file);

最佳答案 除非指定,否则HtmlCleaner使用从JVM读取的缺省字符集.在Windows上,这将是Cp1512而不是UTF-8,这可能是它出错的地方.

你也可以

>在JVM起始行上指定-Dfile.encoding = UTF-8
>使用接受字符集的HtmlCleaner.clean()重载

TagNode tagNode = new HtmlCleaner(props).clean(file, "UTF-8");

(如果您在项目中使用了Google Guava,则可以使用Charsets.UTF_8作为常量)
>使用HtmlCleaner.clean()重载,该重载接受已使用正确字符集构造的InputStreamReader.

点赞