java获取网页代码乱码，java 网页抓取

java爬虫一段话里的部分字符乱码解决

1、读取文件的时候如果是用的read方法（字节流），碰到中文输出就是乱码，然后存储的时候设置下编码为GBK或者是UTF-8形式即可，可以有效的解决乱码问题。

2、基于这种乱码，建议在Java文件中尽量不要写中文（注释部分不参与编译，写中文没关系），如果必须写的话，尽量手动带参数－ecoding GBK或－ecoding gb2312编译；对于JSP，在文件头加上或基本上就能解决这类乱码问题。

3、一般java预设的就是utf8 如果不是，你就改成和资料库一样的字符集。只有你2个地方的字符集对应了，才能正常显示。

4、在将 Python 代码转换为 Java 代码时，如果出现中文乱码问题，可以考虑以下方法解决：在 Python 代码中使用 Unicode 编码，并在 Java 代码中设置字符集为 UTF-8。

相关问答

Q1: 如何解决JavaWeb乱码问题

1、Java解决中文乱码转码的方法是使用正确的字符编码方式。在Java中，常用的字符编码方式有UTF-GBK等。乱码的原因在于编码方式的不匹配，比如在一个使用UTF-8编码的环境中，如果使用了GBK编码去读取数据，就会导致中文乱码。

2、这是在法二的基础上修改的。虽然我们能修改编码格式去读，但是考虑到用户肯定不会修改，所以我们需要采用比较通用的办法，让用户修改配置文件。也就是web.xml文件 需要修改web.xml里面的内容，就是说，字符编码从xml接收过来。

3、服务器和本地的tomcat字符集设置不一样。

Q2: java使用htmlparser抓取网页信息,中文字符显示为“??”,如何解决?_百度...

建议采用jsoup来抓取和解析文件。jsoup支持css选择器。

服务器和本地的tomcat字符集设置不一样。

你好，这是 GET方式传递中文参数乱码问题，非常的常见，很简单。

nodelist = nodelist；/，它不依赖于其它的java库文件，用于检查HTML中的链接是否有效 · 页面内容的监控 2． 信息转换 · 链接重写；System；/.Body. + 。

先用记事本之类的编辑器打开html文件，在开头加一句jsp代码，%@page language=java encoding=gbk/，这样就可以让文件支持中文，然后把文件后缀名改成jsp，再拷到项目里，用eclipse打开。

File input = new File(/tmp/input.html)；Document doc = Jsoup.parse(input， UTF-8， IP)；看看这个代码，调用 doc.text() 方法即可。

Q3: Java获取页面内容个别符号或者汉字变成乱码

今天我也出现了这个问题，经过的我研究，发现出现个别乱码的地方恰好是因为在读取汉字时，出现没读取一次的末尾的汉字只读取了一半，也就是一个字节，那么如果直接转成字符串就会出现乱码的情况。

选择编码 默认的为gb2312 所以你抓百度的时候就应该用gb2312 、而csdn默认的是utf-你抓取的时候就应该设置成utf-8。亲测可用、希望能帮到你。

如果使用get方式提交中文，接受参数的页面也会出现乱码，这个乱码的原因也是tomcat的内部编码格式iso8859-1导致。Tomcat会以get的缺省编码方式iso8859-1对汉字进行编码，编码后追加到url，导致接受页面得到的参数为乱码/、。

java内部编码使用utf-16，需要先用网页的编码解析从网页获取的bytes数组，例如如果网页用gbk，转换可以写成new String(bytes，gbk)。

这个是你页面接受的参数乱码啊，你得看下你web后台怎么处理参数接受和传递的。你爬过来的这段代码没有问题，记得关流。

Q4: java中通过url获取网页内容,中文显示是乱码

在 页面 上点右键 选择编码 默认的为gb2312 所以你抓百度的时候就应该用gb2312 、而csdn默认的是utf-你抓取的时候就应该设置成utf-8。亲测可用、希望能帮到你。

，在发送端页面用encodeURI（）函数，在接收端页面使用decodeURI（）函数，这样就可以有效的解决在获取url上的中文出现乱码的情况 例子：var url = encodeURL(url) //发送端页面。

eclipse 在做java程序的时候，容易出现乱码，主要是看你读的文件是什么编码。

汉字即可正常显示。关于html页面在eclipse中打开出现乱码情况 由于大部分页面都是由dreamweaver制作，其存储格式跟eclipse的识别有差别导致。一般这种情况，在eclipse中新建一个jsp，直接从dreamweaver复制页面内容粘贴到jsp即可。

如果你的 URL 中的字符串没有经过编码，那么使用 urldecode 函数进行解码也是安全的，因为它不会对没有经过编码的字符串进行任何操作。

但那样是不能解决问题的，试图通过String newStr = new String（str.getBytes(gbk，utf-8))；办不到的，结果是中文字符为奇数会出现最后一个字乱码。我以前也曾碰到这个情况，最后还是把页面统一编码解决。

Q5: JAVA通过HTML获取网页内容,中文显示乱码

1、java内部编码使用utf-16，需要先用网页的编码解析从网页获取的bytes数组，例如如果网页用gbk，转换可以写成new String(bytes，gbk)。

2、建议采用jsoup来抓取和解析文件。jsoup支持css选择器。

3、eclipse 在做java程序的时候，容易出现乱码，主要是看你读的文件是什么编码。

4、选择编码 默认的为gb2312 所以你抓百度的时候就应该用gb2312 、而csdn默认的是utf-你抓取的时候就应该设置成utf-8。亲测可用、希望能帮到你。

5、如果使用get方式提交中文，接受参数的页面也会出现乱码，这个乱码的原因也是tomcat的内部编码格式iso8859-1导致。Tomcat会以get的缺省编码方式iso8859-1对汉字进行编码，编码后追加到url，导致接受页面得到的参数为乱码/、。

6、指定写出html的编码和html编码一致，也即指定为UTF-8。

java获取网页代码乱码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于java 网页抓取、java获取网页代码乱码的信息别忘了在本站进行查找喔。