获取到的HTML源文件的编码为gb18030
将源文件输出到console时中文的部分会出现乱码 如:
<div class="tf no">
<u tabindex="0" class="black tt ">�ʼ��˵� -- ������估��ϵͼ</u>
经过bytes转换后 输出到控制台仍是乱码:
Document doc = Jsoup.parse(lr.getHtml());
byte[] bytes = doc.toString().getBytes();
String str = new String(bytes);
str = new String(bytes,"gb18030");
System.out.println(str);
控制台输出:
<div class="tf no">
<u tabindex="0" class="black tt ">锟绞硷拷锟剿碉拷 - 模锟酵硷拷锟斤拷系图</u>
实际的源文件:
<u tabindex="0" class="black tt ">zhangqiu: 考勤</u>
求大牛指教 菜鸟程序猿不胜感激!
多谢各位大牛 你们说的我都试过了 但还是没有成功
试过了 没成功。。。
追答试试unicode,如果还是乱码的话请把源文件发我。
doc.toString().getBytes("gbk");下面不要转码了,你试试。
试过了 不行啊
追答gbk呢
myeclipse10 run里面是默认的我没改过