Solr UTF-8字符未正确显示

我正在使用Nutch1.4和Solr3.3.0对我的法语网站进行爬网和索引。我的网站曾经在iso8859-1中

目前我在solr下有两个索引。第一个存储我的旧页面（iso8859-1），第二个存储我的新页面（utf-8）

我对这两个爬网作业使用相同的nutch配置来获取和索引我站点上的新旧页面。我自己没有添加任何关于charters编码的设置（我想）

我在搜索新页面时遇到了一个问题，这个页面应该是utf-8格式的。法语字符显示不正确。但是对于iso8859-1中的旧页面，一切似乎都很好

我想知道是否有人能为我指出解决这个问题的正确方向

我相信问题来自于nutch，因为当我创建片段转储时，我在转储文件中看到了那些有趣的角色

---

谢谢。

我对Nutch不太熟悉，但我在其他方面也见过

您应该检查或执行以下几项操作：

您在web服务器上的新页面可能不是其UTF-8的内容

新页面的字符集元标记可能仍然是iso8859-1

---

我建议您使用旧站点的所有旧页面，并使用iconv之类的工具将其转换为UTF-8。然后在web服务器中对其进行配置，使所有文本都被视为UTF-8（即返回的内容类型标题称为UTF-8）。

在nutch-default.xml中，应相应地设置“parser.character.encoding.default”值。您只需将其设置为utf-8。它的默认值是“windows-1252”。

嗨，亚当，我已经完成了上面提到的所有步骤。我100%确定文件是utf-8格式的。它可能是不同的字符集。你确定它是iso8859-1而不是窗口代码页（这发生在我身上：）非常感谢尼古拉解决了我的问题。