我正在从 RSS 频道获取数据,对其进行清理并保存在数据库中。我使用 java、tidy、MySQL 和 JDBC。
脚步:
- 我抓取 RSS 记录。没关系。
- 我用整洁的方式清理 html。这是一个转变。Tidy 会自动将“所以它不太可能”这样的字符串转换为“所以它不太可能”。
- 我将此字符串保存到表中
MySQL 方案是
CREATE TABLE IF NOT EXISTS `rss_item_safe_texts` (
`id` int(10) unsigned NOT NULL,
`title` varchar(1000) NOT NULL,
`link` varchar(255) NOT NULL,
`description` mediumtext NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
JDBC 连接 URL 是
connUrl = "jdbc:mysql://" + host + "/" + database + "?user=" + username + "&password=" + password + "&useUnicode=true&characterEncoding=UTF-8";
Java 代码是
PreparedStatement updateSafeTextSt = conn.prepareStatement("UPDATE `rss_item_safe_texts` SET `title` = ?, `link` = ?, `description` = ? WHERE `id` = ?");
updateSafeTextSt.setString(1, EscapingUtils.escapeXssInjection(title));
updateSafeTextSt.setString(2, link);
updateSafeTextSt.setString(3, EscapingUtils.escapeXssInjection(description));
updateSafeTextSt.setInt(4, itemId);
updateSafeTextSt.execute();
updateSafeTextSt.close();
结果,我在数据库中看到了损坏的字符,例如“所以它?不太可能”。我看到的相同然后在网页(utf-8 页面)上输出文本。