Web harvest獲取XML出現(xiàn)亂碼的解決辦法：
現(xiàn)象：
在Web harvest中使用http請求去獲取某個遠(yuǎn)程的XML，此XML的特征是無文件頭(即沒有編碼描述等關(guān)鍵信息)，采用了多種辦法去獲取，出現(xiàn)亂碼，無法解析成我們需要的數(shù)據(jù)。
辦法：
(1)最原始辦法：使用Java中的URLConnection，InputStream等類讀取字節(jié)流，構(gòu)造字符串：
Java代碼
-
-
-
- URL url=new URL(link);
- URLConnection connection=url.openConnection();
- InputStream in=connection.getInputStream();
- ListbyteList=new ArrayList();
- byte b=-1;
- while((b=(byte)in.read())!=-1)
- {
- byteList.add(b);
- }
- byte[]bytes=new byte[byteList.size()];
- for(int i=0;i
- {
- bytes[i]=byteList.get(i);
- }
-
-
-
- logger.debug(new String(bytes));
- logger.debug(new String(bytes,"utf-8"));
- logger.debug(new String(bytes,"gbk"));
- logger.debug(new String(bytes,"gb2312"));
(2)最好的辦法：直接使用dom4j中的SAXReader
Java代碼
-
-
-
- URL url=new URL(link);
- SAXReader xmlReader = new SAXReader();
- Document doc=xmlReader.read(url);
非常簡單，連編碼都不用管！
其中：link為需要獲取XML的地址
Let life be beautiful like summer flowers and death like autumn leaves.