阅读并下载一个页面'；s源代码在Java中作为Unicode

现在，我有一些代码可以读取页面并将所有内容保存到html文件中。然而，也有一些问题。。。一些标点符号和特殊字符显示为问号

当然，如果我手动执行此操作，我会使用Unicode编码而不是默认的ANSI来保存.txt文件。我环顾四周，我所看到的只是抱怨这在Java中是不可能的，或者我不理解的一半解释

无论如何，有人能帮我更正问号吗？下面是我下载页面的代码部分。（列表器创建了一个要下载的URL数组，用于带有页面的站点。您可以忽略这一点，它可以正常工作。）

public void URLDownloader（字符串站点、int起始页、int结束页）引发异常{
String[]pages=URLLister（站点、起始页、结束页）；
字符串网页=网页[0]；
int fileNumber=起始页；
如果（起始页==0）
fileNumber++；
//换页
对于（int i=0；i

如果手动执行此操作，我将使用Unicode编码而不是默认的ANSI编码保存.txt文件

Windows在这里给了你误导性的术语。没有“Unicode”这样的编码；Unicode是以不同方式编码成字节的字符集。Windows称为“Unicode”的编码实际上是UTF-16LE。这是一种每代码单元两个字节的编码，不兼容ASCII，通常不方便；Web p年龄往往不适合它

（值得一提的是，“ANSI”代码页也与ANSI无关。Plusça change…）

这将使用Java默认编码创建一个文件，这可能是您案例中的ANSI代码页。若要指定不同的编码，请使用可选的第二个参数

PrintWriter

：

PrintWriter out = new PrintWriter(name + (fileNumber+i) + ".html", "utf-8");

UTF-8通常是一个不错的选择：作为一个UTF，它可以存储所有Unicode字符，并且与ASCII兼容

但是！您也在使用默认编码读取字符串：

BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream()));

这可能不是页面的编码。同样，您可以使用可选参数指定编码：

BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream(), "utf-8"));

如果该网页实际上是作为UTF-8使用的，那么这将很好地工作

但如果不是呢？实际上有多种方法可以确定HTML页面的编码：

从

内容类型：text/html；charset=…

标题参数（如果存在）

---

从

这是什么语言？Java？哇，对不起。是的，它是Java。编辑了标题。更好-我添加了标签。
BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream()));

BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream(), "utf-8"));

InputStream in = url.openStream();
OutputStream out = new FileOutputStream(name + (fileNumber+i) + ".html");

byte[] buffer = new byte[1024*1024];
int len;
while ((len = in.read(buffer)) != -1) {
    out.write(buffer, 0, len);
}