乱码问题总算解决了

乱码问题总算解决了

乱码问题总算解决了。

下面这段代码用来获取文章内容，并通过NekoHTML来解析获得去掉HTML标签的文章内容.标红的地方就是用来设置字符集的，第一个是XML格式的字符集（似乎没什么用），第二个地方是将字符串的内容通过输入流读入，如果不指定的话在GAE中默认的是ISO-8859-1（本地的话以设置的文件的字符类型为主），第三个地方是设置XML解析器的字符集。昨晚就是第二个地方没有设置，导致乱码。在测试的过程中还学到一点：GBK->ISO-8859-1 的过程是不可逆的，也就是说如果把中文字符转成了ISO-8859-1的话，就再也转不过来了，中文变成了"????"。因此在保险起见，输入输出流在使用的时候最好都加上字符集。

 1       public  String getContent(String xwnr)  throws  Exception {
 2          String xml  =   " <?xml version=\ " 1.0 \ "  encoding=\ " UTF-8 \ " ?><content> "   +  xwnr  +   " </content> " ;
 3          DOMFragmentParser parser  =   new  DOMFragmentParser();
 4          DocumentFragment node  =   new  HTMLDocumentImpl().createDocumentFragment();
 5                  
 6          InputStream is  =   new  ByteArrayInputStream(xml.getBytes( " UTF-8 " ));
 7          
 8          InputSource input  =   new  InputSource(is);        
 9          input.setEncoding( " UTF-8 " );
10           try  {
11              parser.parse(input, node);
12          }  catch  (IOException e) {
13              e.printStackTrace();
14          }  catch  (SAXException se) {
15              se.printStackTrace();
16          }
17          StringBuffer newContent  =   new  StringBuffer();
18           this .getText(newContent, node);
19 
20           /* String str  =  ( new  String(
21                  newContent.toString().getBytes("Windows-1252"),  "UTF-8" )); */         
22          
23          String str  =  newContent.toString();
24          
25           if  (str.length() > 200 ){
26               return  str.substring( 0 , 200 );
27          } else {
28               return  str;
29          }        
30      }

今天受到了不少关注，非常高兴，非常感谢支持我的同学们，我会慢慢的将开发的过程写出来与大家分享。 乱码问题总算解决了。