Java HtmlCleaner：不处理扩展ascii字符

Question

我正在使用HTMLCleaner清理一个超文本标记语言文件，该文件具有像“€”（ascii decimal 128）、“TM”（ascii decimal 153）等字符。也就是说，来自ASCII扩展表的字符。

HTMLCleaner无法处理这些字符，并用字符“？”替换它们（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？

提前感谢。

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。线路：

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。

非常感谢。

Answer 1

您是否尝试设置字符集？