Java爬取网页源码时乱码问题

代码

String strurl="http://search.dangdang.com/?key=%BB%FA%D0%B5%B1%ED&act=input";
try {
    URL url=new URL(strurl);
    //通过url建立与网页的连接
    URLConnection conn=url.openConnection();
    //通过链接取得网页返回的数据
    InputStream is=conn.getInputStream();
    //一般按行读取网页数据，并进行内容分析
    //因此用BufferedReader和InputStreamReader把字节流转化为字符流的缓冲流
    //进行转换时，需要处理编码格式问题
    BufferedReader br=new BufferedReader(new InputStreamReader(is));

    //按行读取并打印
    String line=null;
    while((line=br.readLine())!=null){
        System.out.println(line);
    }

    br.close();
} catch (Exception e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
}

结果

解决方法

在创建BufferedReader对象时，设置InputStreamReader对象的编码格式，如下：

BufferedReader br=new BufferedReader(new InputStreamReader(is,"GB2312"));

这里的编码格式要与爬取网页的charset一致，否则依旧会乱码

<meta http-equiv="Content-Type" content="text/html; charset=GB2312">