✔ Java UTF8 InputStream decodieren

[Andreas_0815]

Hallo Zusammen,

ich lese mithilfe eines GetMethod-Objektes des Jakarta HttpComponents-Projektes eine Website aus. Ich bekomme von dem GetMethod einen InputStream mit dem Quelltext der Website. Mein Firefox zeigt mir an, dass die Website UTF8 kodiert sei.
(Wenn ich einfach den InputStream auslese, erhalte ich bei ä,ü,ö... komische Zeichen)
Also hab ich mal gegoogled und diesen Code gefunden:

BufferedReader website = new BufferedReader(new InputStreamReader(site,"UTF8"));

Leider erhalte ich jetzt immer noch komische Zeichen anstelle der deutschen Umlaute, aber die Zeichen sehen anders aus als ohne den UTF8-Zusatz im obigen Code...

Weiß jemand Rat?

thx schon mal!
Andreas

 

[zeja]

Lass dir mal den Quellcode anzeigen (Rechtsklick - Quelltext anzeigen) und schau da ob was von Charset steht.

Oder versuch mal UTF-8 als Schreibweise.

 

[Andreas_0815]

Im Quellcode steht charset=utf-8.

Die Schreibweise "UTF-8" hat zwar funktioniert (also keine Exception wegen eines falschen Formates) aber das Ergebnis ist das gleiche wie unten beschrieben.

MfG

EDIT:
Ich habe grad festgestellt, dass wenn ich über getMethod.getResponseBodyAsString() den Quellcode ausgebe, werden manche Umlaute richtig in der Console (von Eclipse) ausgeben (also "ü" = "ü") und an anderer Stelle nicht ("ü" = "u?"). Es kann sich dabei aber beide Male durchaus um den selben Umlaut handeln.

 

[Clash]

Hi versuchs mal hiermit, vielleicht hilft das:

String decoded = java.net.URLDecoder.decode("Input", "UTF-8"); 
//Input soll hier den String darstellen den du über den BufferedReader mittels ReadLine() einsammeln kannst :)

grüße,
Clash

 

[Andreas_0815]

Leider hat das gar nichts geändert....
Aber danke für den Versuch!
Hat jemand noch ne Idee?

 

[Clash]

Hi,
lad dir mal die StringEscapeUtils bibliothek von apache.org (commons) und probiers mal so

StringEscapeUtils.escapeHtml(unescapedHtmlString);

vielleicht bringt das was

grüße,
clash

 

[zeja]

Wie sieht denn dein Code nun aus?

Kann eventuell deine Konsole kein UTF-8 darstellen?

 

[Andreas_0815]

Hallo,

meine Eclipse-Konsole kann die Umlaute anzeigen, denn manche Umlaute werden auch richtig konvertiert, manche aber nicht. Und das auf ein und derselben Website mit einer Konvertierung für den kompletten Stream! (komisch, oder?)

InputStream site = getMethod.getResponseBodyAsStream();
BufferedReader website = new BufferedReader(new InputStreamReader(site));
website.readLine();   //damit lese ich dann natürlich die einzelnen Zeilen ein

Bei diesem Code sind alle Umlaute durch "komische" Zeichen ersetzt. Also:

nputStream site = getMethod.getResponseBodyAsStream();
BufferedReader website = new BufferedReader(new InputStreamReader(site, "UTF-8"));
website.readLine();   //damit lese ich dann natürlich die einzelnen Zeilen ein

Jedoch werden dann alle Umlaute zu dem Vokal + ein Fragezeichen: Bsp. "ü" zu "u?"

Die neue Idee von Clash muss ich noch ausprobieren.

MfG

 

[Andreas_0815]

Hallo Zusammen,

bei der Verwendung von:

StringEscapeUtils.escapeHtml(unescapedHtmlString);

wird mein ü zu Folgendem:
ü

Wenn ich den Stream schon mit Folgendem decodiere

BufferedReader website = new BufferedReader(new InputStreamReader(site, "UTF-8"));

erhalte ich durch StringEscapeUtils.escapeHtml(string) das hier:
"u & # 7 7 6 ;" (ohne Leerzeichen, wenn ich die weglasse, macht der Browser automatisch ein "ü" draus!)

versteht ihr das?

 

[Clash]

Hi,
probier mal bei deinen eclipse-Einstellungen unter General / Workspace den Punkt Text file encoding auf den Punkt other umzustellen und da dann UTF-8 wählen (falls du das nicht schon getan hast)
jetzt müsste zumindest alles korrekt angezeigt werden...
grüße,
clash