Fatal编程技术网
  • java/
  • Java Jsoup以不同的方式解析某些字符

Java Jsoup以不同的方式解析某些字符

java html

Java Jsoup以不同的方式解析某些字符,java,html,jsoup,Java,Html,Jsoup,我尝试使用Jsoup解析此html文件： <html><body>Maître Corbeau, sur un arbre perché</body></html> 当我尝试打印文档时： System.out.println(document.toString()); 两项产出： <html> <head></head> <body> Ma&icirc;tre Corbeau, sur u

我尝试使用Jsoup解析此html文件：

<html><body>Maître Corbeau, sur un arbre perché</body></html>
当我尝试打印文档时：

System.out.println(document.toString());
两项产出：

<html>
<head></head>
<body>
Ma&icirc;tre Corbeau, sur un arbre perch&eacute;
</body>
</html>


文学硕士和国际文学研究中心；科尔博河、阿尔布雷河畔和埃库特河；
为什么有些字符会改变？

很抱歉，但为什么这是错误的输出

Ma&icirc;tre Corbeau, sur un arbre perch&eacute;
给你

阿尔布雷河畔科博街

在浏览器中，哪个是正确的，不是吗？如果您想获取包含解码内容的文本，则必须使用
document.text（）
而不是
document.toString（）
，因为第二个将为您提供HTML输出。 但请记住，您将失去HTML主体的所有标记结构。
如果您确实必须使用带有解码HTML实体的HTML代码，则必须使用Apache Commons Lang中的
StringEscapeUtils.unescapeHtml4（输入）
，因为您的输入HTML编码不正确。请阅读readFileToString方法的文档。如果不指定编码，它将是平台默认值。也许这就是你的问题。@Smutje我在html中添加了charset=“UTF-8”，但结果仍然相同。@Jakub Hr我尝试直接传递该文件，但输出结果仍然相同。所以我认为它不是readFileToString方法。当您尝试直接从文件解析时，是否定义了编码？顺便说一句，验证readFileToString是否与编码参数配合良好需要1分钟，因此值得一试。StringEscapeUtils.unescapeHtml4正是我所需要的 
Ma&icirc;tre Corbeau, sur un arbre perch&eacute;