我正在尝试解析在其标题中没有定义编码的页面,在 HTML 中它将 ISO-8859-1 定义为编码。Jsoup 无法使用默认设置解析它(HTMLunit 和 PHP 的 Simple HTML Dom Parser 默认也无法处理它)。即使我自己定义了 Jsoup 的编码,它仍然无法正常工作。想不通为什么。
这是我的代码:
String url = "http://www.parkett.de";
Document doc = null;
try {
doc = Jsoup.parse(new URL(url).openStream(), "ISO-8859-1", url);
// doc = Jsoup.parse(new URL(url).openStream(), "CP1252", url);
} catch (IOException e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
Element extractHtml = null;
Elements elements = null;
String title = null;
elements = doc.select("h1");
if(!elements.isEmpty()) {
extractHtml = elements.get(0);
title = extractHtml.text();
}
System.out.println(title);
感谢您的任何建议!