Java HtmlCleaner:不处理扩展ascii字符

我正在使用HTMLCleaner清理一个HTML文件，该文件包含诸如“€”（ascii十进制128）、“TM”（ascii十进制153）等字符，即ascii扩展表中的字符

HTMLCleaner无法处理这些字符，并将其替换为字符“？”（ascii十进制63）

为了处理这些字符，我可以在HTMLCleaner中设置任何标志吗

提前谢谢

编辑： 变量“encoding”是“iso-8859-1”，就像源文件编码一样

    try {
        System.out.print("Parsing and cleaning:" + fileStr);
        URL url = new File(this.fileStr).toURI().toURL();
        // create an instance of HtmlCleaner
        HtmlCleaner cleaner = new HtmlCleaner();
        // default properties
        CleanerProperties props = cleaner.getProperties();
        // do parsing
        TagNode tagNode = new HtmlCleaner(props).clean(url);
        // serialize to XML file
        new PrettyXmlSerializer(props).writeToFile(tagNode, fileStr,
                encoding);
        System.out.println("Output: " + fileStr);
    } catch (MalformedURLException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }

我刚刚弄明白了。该行：

TagNode tagNode = new HtmlCleaner(props).clean(url);

应替换为：

TagNode tagNode = new HtmlCleaner(props).clean(url, encoding);

其中“encoding”是源url字符集的字符串表示形式

---

谢谢大家!

您是否尝试设置

字符集

？

可能的重复：是的，这是一个类似的问题，我检查了这个问题，但我没有意识到这是一个编码问题。谢谢你，你真的帮了我。是的，正如你在上面看到的。生成的HTML文件与源文件具有相同的编码。我只在以下位置设置字符集：

new PrettyXmlSerializer（props）.writeToFile（tagNode，fileStr，encoding）TagNode TagNode=newhtmlcleaner（props）.clean（url，编码）。现在可以了，谢谢。