linux用java解析html出现中文乱码问题

一，用java解析html文档遇到的问题

1. 在windows环境下用BufferedReader读取utf-8的html文件时，没有任何乱码问题，但是在linux环境下读取的时候就出现乱码了，不知道什么问题引起的。
2. 后来用FileInputStream读取，用new String方式去转换，发现大部门乱码问题解决了，但是由于是1024字节去读的所以存在一个问题，部分字节没读全，就去new String导致乱码问题。

二，解决方式

1. 个人总结了下问题，应该试html中存在一些特殊字符，导致普通的方式在linux环境下存在转码问题，百度了一下，发现通过jsoup来解析html，会解决此类问题。
2. 用法如下

//maven配置
<dependency>
	<groupId>org.jsoup</groupId>
	<artifactId>jsoup</artifactId>
	<version>1.11.3</version>
</dependency>

//实现代码
File htmlFile = new File("E:/a.html")
StringBuffer htmlSb = new StringBuffer();
Document parse = Jsoup.parse(htmlFile, "utf-8");
htmlSb.append(parse.html());