修改nutch\cached.jsp,
将content = new String(bean.getContent(details))
修改为content = new String(bean.getContent(details),"utf-8")
在画红框的地方加上UTF-8即可
以下内容参考:http://blog.csdn.net/xiaomage_cn/archive/2010/07/13/5731112.aspx进行总结
如果改为UTF-8后如果为gb2312、gbk等页面将会出现乱码
然后还有一些文章是对Metadata修改parseDate的contentmeta来实现获取正确的编码方式,这个思路是非常正确的,但是还是有一点问题,仍然会存在一些gb2312的页面出现乱码,下面对网页快照乱码进行最终的一个简单的解决办法:
修改cache.jsp如下:
上面画红框的是修改后的内容
蓝框是原始内容
1.ParseData ParseData = bean.getParseData(details);
2.
3. String content = null;
4. String contentType = ParseData.getMeta(Metadata.CONTENT_TYPE);
5. if (contentType.startsWith("text/html")) {
6. // FIXME : it's better to emit the original 'byte' sequence
7. // with 'charset' set to the value of 'CharEncoding',
8. // but I don't know how to emit 'byte sequence' in JSP.
9. // out.getOutputStream().write(bean.getContent(details)) may work,
10. // but I'm not sure.
11. String encoding = ParseData.getMeta("CharEncodingForConversion");
12. if (encoding != null) {
13. try {
14. content = new String(bean.getContent(details), encoding);
15. }
16. catch (UnsupportedEncodingException e) {
17. // fallback to windows-1252
18. content = new String(bean.getContent(details), "windows-1252");
19. }
20. }
21. else
22. content = new String(bean.getContent(details),"GBK");
23. }