nutch+mysql gb2312网页源代码中文乱码
浏览数：15 /
时间：2015年06月12日
问题描述：
将nutch爬的网页源代码存在mysql中，网页编码为gb2312的网页中文乱码，其他编码暂未发现问题。因为nutch对爬下的网页源代码content不作任何处理，仅仅保存，而我的mysql编码设置的为utf-8，所以会显示乱码。
现在需要处理网页源代码，取出指定数据，那么java程序如何将gb2312中文乱码的网页源代码转化为非乱码。
解决：
其实采用ResultSet的getBytes方法即可。
public void getResoucePage() throws Exception{
String sql = "select * from webpage";
ResultSet rs = stmtSelect.executeQuery(sql);
while(rs.next()){
byte[] pageByte = rs.getBytes("content");
String pageString = new String(pageByte, "gb2312");
getPageInfo(pageString);
}
rs.close();
stmtSelect.close();
conn.close();
}说明：采用字节读取网页源代码，再指定编码为gb2312解码即可得到非乱码的网页源代码，剩下想怎么处理就怎么处理了。
（转载请注明，更多详见：http://blog.csdn.net/hwwn2009/article/details/41960043）
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
