从html java读取时是否保留特殊字符？

我正在尝试读取html源文件，其中包含像äöü߀这样的德语字符

使用JSOUP读取

citAttr.nextElementSibling().text() 

使用

unicodeEscaper.translate(citAttr.nextElementSibling().text())

org.apache.commons.lang3.text.translate.UnicodeScaper

问题是在阅读了charecters变成�

private String getText(Part p) throws MessagingException, IOException {
    if (p.isMimeType("text/*")) {
        String s = (String) p.getContent();
        textIsHtml = p.isMimeType("text/html");
        return s;
    }

但是，在哪里读取编码类型为UTF-8的CSV以及上面的UnicodeScaper保存和检索字符就可以了

unicodeEscaper.translate(record.get(headerPosition.get(0)))

从html读取有什么问题？？你尝试过StringUtilEscaper方法吗？charecters仍然会变成�

private String getText(Part p) throws MessagingException, IOException {
    if (p.isMimeType("text/*")) {
        String s = (String) p.getContent();
        textIsHtml = p.isMimeType("text/html");
        return s;
    }

---

这就是我如何阅读包含html内容的电子邮件

我今天刚刚回答了一个类似的问题。。。我想我可以键入我所知道的关于扩展字符集（外语字符）的内容，因为这是我编写的软件的主要方面之一

• Java的内部

  字符串

  都使用

  16位字符

  （原语类型

  字符

  是一个16位原语值。名称

  UTF-8

  有点误导，因为它用于表示16位的“Unicode空间”（使用两个8位数字）。这意味着Java（和Java

  字符串的

  ）在表示整个Unicode外语字母表范围时没有问题。
• JSoup，以及几乎所有用Java编写的HTML工具，在请求下载网站页面时，都会返回16位字符-作为Java

  字符串的

  -很好，没有任何问题！如果在查看这些范围时出现问题，则可能不是下载过程，也不是JSoup或

  HttpUrlConnection

  setting.当您用Java将网页保存为字符串时，您并没有丢失这些字符，实际上您可以免费获得UTF-8
• 然而：每当程序员试图将

  UTF-8字符串

  保存到

  '.txt'文件

  或

  '.html'文件

  时，如果你接着在web浏览器中查看该内容（该文件），你可能会看到的只是那个恼人的问号：�. 这是因为您需要确保让您的web浏览器知道，您使用Java保存的

  '.html”文件

  不打算使用（旧得多、短得多的）

  8位ASCII

  范围进行解释

如果您在任何web浏览器中查看

'.html'文件

，或将该文件上载到Google云平台（或某个托管站点），则必须执行以下两项操作之一：

• 将注释中提到的

  标记

  包括在HTML页面的

  ..

  部分中
• 或者在任何托管平台中提供设置，您必须将文件标识为

  'text/html，charset=UTF-8'

  。在谷歌云平台存储桶中，有一个弹出菜单可将此设置分配给任何文件

---

HTML文件的编码是什么？@AlexRudenko这里我不是下载或查看HTML中的内容，我所做的只是以java字符串的形式读取内容，然后解析并转换为unicode，然后保存，就是这样。我试图说语句“另存为java

string

并将其转换为

unicode

”没有任何意义（对我来说，我很确定我非常理解这些东西，但我确实会犯错误）…在Java中，

字符串的

已经是Unicode了。这是因为Unicode

字符的

是16位的，而Java

字符串的

是由16位

字符的

组成的，所以它们已经是Unicode

字符的

（不是

ASCII字符的

）。如果你能回答这个问题：“你好吗？”查看“这些文件？你在哪里保存它们？”也许我可以帮你更多…我的编码（现在持续4年），一直是语言翻译-虽然我已经偏离HTML解析…所以我经常被Java中的外语字符（UNICODE）和文本文件/HTML文件掩埋！！@我正在将这些数据保存到DB中（mysql）并检索primefaces page.xhtmlOK中的显示…好吧…让我说两件事：① 我不做太多的工作② 我可以提出一个建议，你真的应该检查一下（即使我错了）…有两个“东西”或“配置”我会强烈建议你检查一下。。。