java代碼亂碼解決絕招 java怎么解決亂碼問題

Java代碼出現(xiàn)了亂碼怎么辦？

運行java帶有中文的代碼就出現(xiàn)亂碼，解決方式如下：

公司主營業(yè)務(wù)：成都做網(wǎng)站、網(wǎng)站建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。創(chuàng)新互聯(lián)建站是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)建站推出林口免費做網(wǎng)站回饋大家。

設(shè)置整個java工程的編碼格式為utf-8，如下圖：

設(shè)置html的編碼格式為utf-8

java代碼中文亂碼怎么解決方法

解決亂碼問題：可以修改eclipse里的編碼格式來解決亂碼問題：

1、window-- Preference

2、點擊General--Workspace,在右面的窗體找到“Text file encoding”,就可以修改編碼格式了

java爬蟲一段話里的部分字符亂碼解決

1. 網(wǎng)絡(luò)爬蟲亂碼的原因。

源網(wǎng)頁的編碼與抓取后的編碼轉(zhuǎn)換不一致。如果源網(wǎng)頁是gbk編碼的字節(jié)流，程序在我們抓取后直接用utf-8編碼輸出到存儲文件，這必然會造成亂碼，即當(dāng)源網(wǎng)頁編碼與程序抓取后直接處理編碼一致時，就不會出現(xiàn)亂碼，然后統(tǒng)一字符編碼后也就不會出現(xiàn)亂碼。注意區(qū)分源網(wǎng)絡(luò)代碼A，程序B直接使用的代碼，統(tǒng)一轉(zhuǎn)換字符的代碼C。

2. 是網(wǎng)頁的服務(wù)器端代碼。

B.捕獲的數(shù)據(jù)原本是字節(jié)數(shù)組，由A編碼，只有B=A才能保證不會出現(xiàn)亂碼；否則，當(dāng)字符集不兼容時，就會出現(xiàn)亂碼字符。這一步常用于測試。

c、統(tǒng)一轉(zhuǎn)碼是指在獲得網(wǎng)頁的原始編碼A后進行統(tǒng)一編碼，主要是將每個網(wǎng)頁的數(shù)據(jù)統(tǒng)一成一種編碼，往往首選字符集較大的utf-8。

每個網(wǎng)頁都有自己的代碼，比如gbk，utf-8，iso8859-1，日本jp系統(tǒng)代碼，西歐，俄語等等。爬行時，所有類型的代碼都將被擴展。有的爬蟲只是簡單的識別網(wǎng)頁，然后統(tǒng)一編碼，有的則直接按照utf-8統(tǒng)一處理，不需要判斷源網(wǎng)頁，顯然會造成亂碼。

3. 亂碼的解決方案。

根據(jù)原因找到解決辦法很簡單。

1) 確定源網(wǎng)頁的代碼a。

代碼a通常位于網(wǎng)頁的三個位置，即httpheader的內(nèi)容、網(wǎng)頁的元字符集和網(wǎng)頁標(biāo)題中的文檔定義。獲取源網(wǎng)頁代碼時，依次判斷這三部分?jǐn)?shù)據(jù)，從頭到尾優(yōu)先級相同。

理論上這是對的，但是國內(nèi)有些網(wǎng)站不符合標(biāo)準(zhǔn)。比如寫出來的gbk其實是utf-8，有的寫出來是utf-8，其實是gbk。當(dāng)然這是幾個網(wǎng)站，但是確實存在。因此，在確定網(wǎng)頁編碼時，應(yīng)該對這種特殊情況給予特殊處理，如中文檢查、默認(rèn)編碼等策略。

在另一種情況下，如果以上三種都沒有編碼信息，一般使用第三方的網(wǎng)頁編碼智能識別工具，如cpdetector。原理是通過統(tǒng)計字節(jié)數(shù)組的特性來計算實際編碼，有一定的準(zhǔn)確率，但是我發(fā)現(xiàn)在實踐中準(zhǔn)確率還是很有限的。

但是綜合以上三種編碼確認(rèn)方法后，中文亂碼的問題幾乎可以完全解決。在我的基于nutch1.6的網(wǎng)絡(luò)爬蟲系統(tǒng)中，經(jīng)過統(tǒng)計，編碼準(zhǔn)確率可以達到99.99%，這也證明了上述方法和策略的可行性。

2) 程序通過代碼b還原源網(wǎng)頁數(shù)據(jù)。

顯然，這里的B應(yīng)該等于a，在java中，如果源網(wǎng)頁的字節(jié)數(shù)組是source_byte_array，就會轉(zhuǎn)換成stringstr=newstring(source_byte_array，B)。即這些字節(jié)數(shù)組對應(yīng)的字符被正確編碼顯示在內(nèi)存中，此時打印結(jié)果正常。此步驟通常用于調(diào)試或控制臺輸出測試。

3) 統(tǒng)一轉(zhuǎn)碼。

網(wǎng)絡(luò)爬蟲系統(tǒng)中有很多數(shù)據(jù)源。如果無法使用數(shù)據(jù)，它將被轉(zhuǎn)換為其原始數(shù)據(jù)，如果這樣做是浪費的。所以一般爬蟲系統(tǒng)要對抓取的結(jié)果進行統(tǒng)一編碼，做到一致，使用方便。此時，在(2)的基礎(chǔ)上，可以進行統(tǒng)一的編碼轉(zhuǎn)換，在java中的實現(xiàn)如下。

源網(wǎng)頁的字節(jié)數(shù)組是source_byte_array。

轉(zhuǎn)換為普通字符串:stringnormal_source_str=newstring(source_byte_array，c)。這時候可以直接用javaapi存儲，但是字符串往往不直接寫。因為一般爬蟲存儲是將多個源網(wǎng)頁存儲在一個文件中，所以要記錄字節(jié)偏移量，所以下一步。 再將得到的str轉(zhuǎn)換為統(tǒng)一的編碼C格式的字節(jié)數(shù)組,則byte[] new_byte_array=normal_source_str.getBytes(C)即可，此時即可用java io api將數(shù)組寫入文件，并記錄相應(yīng)的字節(jié)數(shù)組偏移量等，待真正使用時，直接io讀取即可。

爬蟲過程不僅會存在亂碼問題，還會存在網(wǎng)站爬取涉及法律、IP受限，爬取行為受限等等問題，這個時候就需要不斷去解決這些問題。

新聞標(biāo)題：java代碼亂碼解決絕招 java怎么解決亂碼問題
文章源于：http://muchs.cn/article36/dohecsg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設(shè)計公司、響應(yīng)式網(wǎng)站、品牌網(wǎng)站設(shè)計、網(wǎng)頁設(shè)計公司、App設(shè)計、網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)