Java HTMLCLEANER处理西班牙语字符

我使用HtmlCleaner库来解析/转换java中的HTML文件

似乎无法处理像“ÁáÍíñÓó218;Üü”这样的西班牙语字符

我可以在HtmlCleaner中设置任何属性来处理此解决方案或任何其他解决方案吗？下面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);

---

您可以将

UTF-8

更改为

UTF-16

---

它将支持最大数量的字符。

HtmlCleaner使用从JVM读取的默认字符集，除非指定。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");
  

  （如果项目中有谷歌番石榴，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

---

有没有办法将编码设置为使用UTF-8？我在写入文件时使用UTF-8<代码>新的PrettyHtmlSerializer（props）.writeToFile（标记节点，文件路径，“utf-8”）但是HTML文件实际上编码为UTF-8吗？是的。文件保存为UTF-8，没有BOM。如何读取？你在哪里真正看到了错误？你能确认HtmlCleaner实际上是以UTF-8的形式读取文件吗？但它们只是编码——这不会改变支持的字符数。如果HtmlCleaner读取的文件编码错误，并且UTF-16生成的BOM检测正确，这可能会有所帮助，但我怀疑这会有帮助。@Azhar你能用自己的话解释一下，为什么你认为UTF-16比UTF-8有更多的字符，以及你是从哪里得到这个想法的？@MrLister。。当我开始编写我的第一个HTML。。我对配角有意见。。。所以我让我的前辈帮我：）。。他告诉我UTF-16将支持更多角色。。如果我或我的前辈错了，请纠正我。@Azhar你的前辈错了。UTF-8支持与UTF-16完全相同的字符集：从U+0000到U+10FFFD的所有Unicode码点。（UTF-8的早期草案提供了更多的字符，但他们放弃了这个想法，转而支持与UTF-16系列兼容。）