java爬虫网页代码乱码 javaweb爬虫

Java代码出现了乱码怎么办?

编辑器的编码会影响到所有的项目中的字符的显示，可以说是作用最为广泛的设置，每一个项目都会受到这个设置的影响。点击菜单栏中的窗口（Window）— —选项（Preferences）。

创新互联专注于企业营销型网站、网站重做改版、资中网站定制设计、自适应品牌网站建设、H5响应式网站、商城开发、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为资中等各大城市提供网站开发制作服务。

可在 CMD 窗口输入 chcp 65001 后，再尝试输入 java 命令。chcp 命令是用来显示或更改活动控制台的代码页。在 CMD 窗口直输入 chcp ，可以显示当前代码页编号，默认是 936 ，表示支持 GB2312 编码。

在代码区域右键 - run as - run configurations - common(右侧) - console encoding 如果出现此错误，此时的编码格式应该是UTF-8，选择Other，这时可能没有GBK选项，如果没有，则执行之后操作。

读取文件的时候如果是用的read方法（字节流），碰到中文输出就是乱码，然后存储的时候设置下编码为GBK或者是UTF-8形式即可，可以有效的解决乱码问题。

在代码区域右键 - run as - run configurations - common(右侧)- console encoding 如果出现此错误，此时的编码格式应该是utf-8，选择other，这时可能没有gbk选项，如果没有，则执行之后操作。

看你编译没问题，运行时报乱码错误。说明是代码的编码跟DOS系统的编码不一致。

不要用系统写字板notepad保存UTF8的Java源文件。M$的UTF8是UTF8withBOM，而Java编译器识别的UTF8是UTF8withoutBOM，两者不兼容。

设置单个文件的编码：只是个别文件出现了乱码，那么设置个别文件的编码格式就可以解决问题了。选中有乱码的文件，然后点击右键。在弹出的菜单中选择属性（Properties）。

java文件读取的时候有中文就很出现乱码，通常获取到的文件中通常都是“iso8859-1”格式，需要转换为“UTF-8”格式。

1、java内部编码使用utf-16，需要先用网页的编码解析从网页获取的bytes数组，例如如果网页用gbk，转换可以写成new String(bytes，gbk)。

2、建议采用jsoup来抓取和解析文件。jsoup支持css选择器。

3、我们先打开html文件，有时候会出现乱码。将鼠标移动到网页空白处，右键单击，然后选择编码。在编码里面选择自动检测。如果自动检测不准确，也可以点击前几个一一尝试。

4、有可能是服务器的设定问题。检查一下返回来的头信息中编码是什么。如果不是UTF-8，就需要设定一下服务器了。

5、struts框架本身对中文的支持不好，request对象经过转发后，中间的默认编码不是utf-8，具体怎么改不好讲。

本文名称：java爬虫网页代码乱码 javaweb爬虫
本文来源：http://6mz.cn/article/dcsphdd.html