JTidy解决中文乱码问题(亲测可用)

项目中需要用到jTidy把html格式化为xml文件,以便后续处理,然而在使用jTidy的时候,发现html文档里中文用jTidy转换后会乱码。
经过一阵研究,发现主要是jTidy的inCharEncoding和outCharEncoding需要设置为UTF-8才可以正常读取和写入中文字符。
关键代码只有两行:

        tidy.setInputEncoding("UTF-8");
        tidy.setOutputEncoding("UTF-8");

完整代码如下:

import org.w3c.tidy.Configuration;
import org.w3c.tidy.Tidy;

import java.io.*;

public class Main {

    public static final String WORK_DIR = "D:\\data\\temp\\jTidy\\";

    public static final String INPUT_FILE = "input.html";

    public static final String OUTPUT_FILE = "output.xml";

    public static final String ERROR_LOG = "error.log";

    public static void convert(InputStream inputStream, OutputStream outputStream){
        Tidy tidy = new Tidy();
        tidy.setInputEncoding("UTF-8");
        tidy.setOutputEncoding("UTF-8");
        tidy.setWraplen(0);
        try {
            tidy.setErrout(new PrintWriter(new FileWriter(WORK_DIR+ERROR_LOG)));
        } catch (IOException e) {
            e.printStackTrace();
        }
        tidy.parse(inputStream,outputStream);
    }

    public static void main(String args[]){
        InputStream inputStream = null;
        OutputStream outputStream = null;
        try {
            inputStream = new FileInputStream(WORK_DIR+INPUT_FILE);
            outputStream = new FileOutputStream(WORK_DIR+OUTPUT_FILE);
            convert(inputStream,outputStream);
            inputStream.close();
            outputStream.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } finally {

        }

    }



}

转载于:https://www.cnblogs.com/haoyoung/p/10251080.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值