java jtidy_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 {

}

}

}