如何使用 UTF-8 读取 InputStream？

Posted 2023-02-25

【中文标题】如何使用 UTF-8 读取 InputStream？

【英文标题】：How to read a InputStream with UTF-8?

【发布时间】：2012-07-21 03:11:45

【问题描述】：

欢迎大家

我正在开发一个 Java 应用程序，它从 Internet 调用一个 php，它给了我一个 XML 响应。

响应中包含这个词：“Próximo”，但是当我解析 XML 的节点并将响应获取到字符串变量中时，我收到这样的词：“Próximo”。

我确定问题在于我在 Java 应用程序中使用了不同的编码，然后是 PHP 脚本的编码。然后，我想我必须将编码设置为与您的 PHP xml 中相同的编码，UTF-8

这是我用来从 PHP 获取 XML 文件的代码。

¿我应该在此代码中进行哪些更改以将编码设置为 UTF-8？ （请注意，我没有使用缓冲阅读器，我使用的是输入流）

        InputStream in = null;
        String url = "http://www.myurl.com"
        try                               
            URL formattedUrl = new URL(url); 
            URLConnection connection = formattedUrl.openConnection();   
            HttpURLConnection httpConnection = (HttpURLConnection) connection;
            httpConnection.setAllowUserInteraction(false);
            httpConnection.setInstanceFollowRedirects(true);
            httpConnection.setRequestMethod("GET");
            httpConnection.connect();               
            if (httpConnection.getResponseCode() == HttpURLConnection.HTTP_OK)
                in = httpConnection.getInputStream();   

            DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();                     
            DocumentBuilder db = dbf.newDocumentBuilder();
            Document doc = db.parse(in);
            doc.getDocumentElement().normalize();             
            NodeList myNodes = doc.getElementsByTagName("myNode"); 

【问题讨论】：

您确定这是编码问题吗？您是否使用网络浏览器测试过您的 PHP 内容？我认为源 XML 包含转义字符！

你在这里问了另一个问题：***.com/questions/11494069/…@kgb 的答案是你应该看的。这不是编码问题。似乎 xml 的内容是一些 html 数据，并且该数据被转义了。你需要取消它。以下链接向您展示了 html 如何在外语中转义一些特殊字符 thesauruslex.com/typo/eng/enghtml.htm

【参考方案1】：

当您获得 InputStream 时，请从其中读取 byte[]s。创建字符串时，请传入 CharSetfor "UTF-8"。示例：

byte[] buffer = new byte[contentLength];
int bytesRead = inputStream.read(buffer);
String page = new String(buffer, 0, bytesRead, "UTF-8");

注意，您可能希望将缓冲区设置为合理的大小（例如 1024），并不断调用inputStream.read(buffer)。

---

@阿米尔帕沙扎德

是的，您也可以使用 InputStreamReader，并尝试将 parse() 行更改为：

Document doc = db.parse(new InputSource(new InputStreamReader(in, "UTF-8")));

【讨论】：

InputStreamReader 呢？

是否有不需要将整个InputStream 预先读入内存的解决方案？有时它可能会很大......

我无法用你的解决方案修复我的代码...拜托，你能用你的解决方案编辑我的代码，以便我可以用我的 php xml 文件对其进行测试吗？

@TomaszNurkiewicz 是的，您可以将其写入文件，然后将文件传递给db.parse()

正如其他人所指出的，这不是编码问题。 HTML 实体 ó正在作为提要的一部分发送，从中获取可读字符的唯一方法是翻译实体。