带有HTML标题的Unicode问题,问号?65533;
我正在尝试从以下网页解析标题:http :
//kid37.blogger.de/stories/1670573/
当我在title元素上使用apache.commons.lang StringEscapeUtils.escapeHTML方法时,我得到以下信息
Das hermetische Caf�: Rock & Wrestling 2010
但是,当我在我的网页中以utf-8编码显示它时,它只会显示一个问号。
使用以下代码:
String title = StringEscapeUtils.escapeHtml(myTitle);
如果我通过以下网站运行标题:http :
//tools.devshed.com/?option=com_mechtools&tool=27我会得到以下输出,看上去似乎正确
标题:
<title>Das hermetische Café: Rock & Wrestling 2010</title>
成为(我期待的是escapeHtml方法):
<title>Das hermetische Café: Rock & Wrestling 2010</title>
有任何想法吗?谢谢
回答:
U + FFFD(十进制65533)是“替换字符”。当解码器遇到无效的字节序列时,它 可以 (取决于其配置)用``’‘替换损坏的序列并继续。
“损坏”序列的一个常见原因是应用了错误的解码器。例如,解码器可能是UTF-8,但是页面实际上是使用ISO-8859-1编码的(如果未在content-
type标头中指定其他名称或等效名称,则为默认值)。
因此,甚至在将字符串传递给之前escapeHtml
,“é”已经被替换为“。”;该方法对此进行了正确编码。
有问题的页面使用ISO-8859-1编码。将获取的资源转换为时,请确保您正在使用该解码器String
。
以上是 带有HTML标题的Unicode问题,问号?65533; 的全部内容, 来源链接: utcz.com/qa/417691.html