crawler4j抓取頁面使用jsoup解析html時的解決方法
更新時間：2014年04月08日 09:11:07 作者：
crawler4j對response沒有指定編碼的頁面，解析成亂碼，很讓人煩惱,下面給出解決方法,需要的朋友可以參考下
crawler4j對已有編碼的頁面抓取效果不錯，用jsoup解析，很多會jquery的程序員都可以操作。但是，crawler4j對response沒有指定編碼的頁面，解析成亂碼，很讓人煩惱。在找了苦悶之中，無意間發(fā)現一年代已久的博文，可以解決問題，修改 Page.load() 中的 contentData 編碼即可，這讓我心中頓時舒坦了很多，接下來的問題都引刃而解了。
復制代碼 代碼如下:
public void load(HttpEntity entity) throws Exception {
contentType = null;
Header type = entity.getContentType();
if (type != null) {
contentType = type.getValue();
}
contentEncoding = null;
Header encoding = entity.getContentEncoding();
if (encoding != null) {
contentEncoding = encoding.getValue();
}
Charset charset = ContentType.getOrDefault(entity).getCharset();
if (charset != null) {
contentCharset = charset.displayName();
}else{
contentCharset = "utf-8";
}
//源碼
//contentData = EntityUtils.toByteArray(entity);
//修改后的代碼
contentData = EntityUtils.toString(entity, Charset.forName("gbk")).getBytes();
}
相關文章
這篇文章主要介紹了java?Logback輸出日志內容到文件,要將logger.info的信息輸出到文件，您可以使用Logback配置，本文通過實例代碼給大家介紹的非常詳細，需要的朋友可以參考下2023-09-09
這篇文章主要介紹了使用idea插件進行java代碼生成的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-10-10
這篇文章主要介紹了JAVA類變量及類方法代碼實例詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2022-05-05
本文主要介紹了Ajax實現搜索引擎自動補全功能的實例解析。具有很好的參考價值。下面跟著小編一起來看下吧2017-04-04
這篇文章主要介紹了Java實現的猴子吃桃問題算法,簡單描述了猴子吃桃問題并結合實例形式給出了java解決猴子吃桃問題的具體實現技巧,需要的朋友可以參考下2017-10-10
詳解mybatis-plus實體類中字段和數據庫中字段名不對應解決辦法
這篇文章主要介紹了詳解mybatis-plus實體類中字段和數據庫中字段名不對應解決辦法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
這篇文章主要為大家詳細介紹了Javaweb使用Maven工具與Tomcat的方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
這篇文章主要介紹了Mybatis Trim標簽用法,非常不錯，具有參考借鑒價值,需要的朋友可以參考下2017-05-05
為了提高系統(tǒng)的安全性，防止接口被暴力刷新，驗證碼是個好的手段，圖片驗證碼沒有短信驗證碼的費用，其是個人開發(fā)者學習的重點，這篇文章主要介紹了基于Hutool的圖片驗證碼功能模塊實現,需要的朋友可以參考下2022-10-10
Spring Boot + Vue 前后端分離開發(fā)之前端網絡請求封裝與配置
這篇文章主要介紹了Spring Boot + Vue 前后端分離開發(fā)之前端網絡請求封裝與配置方法，本文給大家介紹的非常詳細，具有一定的參考借鑒價值 ,需要的朋友可以參考下2019-05-05