JTidy 解析 HTML 中文 乱码问题

Question

代码如下 其中responseString是通过HttpClient返回的HTML页面内容，包含中文，UTF-8，在log中显示正常； 这段代码在一个Web应用中被执行。 1， 当我直接在eclipse，把Web应用放tomcat里运行时，两次trace打印出来的内容都能正常显示中文内容； 2， 当我把Web应用打成war包，入到服务器（其实就是我的电脑本机，脱离eclipse）运行时，两次trace，第一次打印出来的中文正常显示，但第二次却是乱码。 所以我觉得很诡异，同样的一段代码，在不同的方式运行出不同的结果。不知道是不是JTidy会依赖什么环境变量？ 我用的是：eclipse Helios Service Release 1, tomcat 7(与这个无关，我也试过6)，操作系统是Win7 英文。 百思不得其解，救解！ ByteArrayInputStream in = null; try { in = new ByteArrayInputStream(responseString.getBytes()); logger.trace("@@@@@@@ ByteArrayInputStream -> \n\n" + responseString + "\n\n"); Tidy tidy = new Tidy(); tidy.setQuiet(true); tidy.setShowWarnings(false); tidy.setInputEncoding("UTF-8"); org.w3c.dom.Document dom = tidy.parseDOM(in, null); Document doc = new DOMReader().read(dom); logger.trace("@@@@@@@ SAXReader -> \n\n" + doc.asXML() + "\n\n"); } finally { try { in.close(); } catch (IOException ignore) { } }

Answer 1

我是做.net的，不知道跟你们java有没有区别，就权作为建议把；

首先要保证页面的格式是不是UTF-8，然后网站的配置文件里面responseEncoding以及requestEncoding是不是都是设置的为utf-8 ;