Android Java UTF-8 HttpClient 问题

Question

我遇到了从网页抓取的 JSON 数组的奇怪字符编码问题。服务器正在发回此标头：

Content-Type text/javascript； charset=UTF-8

我还可以在 Firefox 或任何浏览器中查看 JSON 输出，并且 Unicode 字符显示正常。响应有时会包含来自另一种语言的带有重音符号等的单词。然而，当我将其拉下来并将其放入 Java 中的字符串时，我得到了那些奇怪的问号。这是我的代码：

HttpParams params = new BasicHttpParams();
HttpProtocolParams.setVersion(params, HttpVersion.HTTP_1_1);
HttpProtocolParams.setContentCharset(params, "utf-8");
params.setBooleanParameter("http.protocol.expect-continue", false);

HttpClient httpclient = new DefaultHttpClient(params);

HttpGet httpget = new HttpGet("http://www.example.com/json_array.php");
HttpResponse response;
    try {
        response = httpclient.execute(httpget);

        if(response.getStatusLine().getStatusCode() == 200){
            // Connection was established. Get the content. 

            HttpEntity entity = response.getEntity();
            // If the response does not enclose an entity, there is no need
            // to worry about connection release

            if (entity != null) {
                // A Simple JSON Response Read
                InputStream instream = entity.getContent();
                String jsonText = convertStreamToString(instream);

                Toast.makeText(getApplicationContext(), "Response: "+jsonText, Toast.LENGTH_LONG).show();

            }

        }


    } catch (MalformedURLException e) {
        Toast.makeText(getApplicationContext(), "ERROR: Malformed URL - "+e.getMessage(), Toast.LENGTH_LONG).show();
        e.printStackTrace();
    } catch (IOException e) {
        Toast.makeText(getApplicationContext(), "ERROR: IO Exception - "+e.getMessage(), Toast.LENGTH_LONG).show();
        e.printStackTrace();
    } catch (JSONException e) {
        Toast.makeText(getApplicationContext(), "ERROR: JSON - "+e.getMessage(), Toast.LENGTH_LONG).show();
        e.printStackTrace();
    }

private static String convertStreamToString(InputStream is) {
    /*
     * To convert the InputStream to String we use the BufferedReader.readLine()
     * method. We iterate until the BufferedReader return null which means
     * there's no more data to read. Each line will appended to a StringBuilder
     * and returned as String.
     */
    BufferedReader reader;
    try {
        reader = new BufferedReader(new InputStreamReader(is, "UTF-8"));
    } catch (UnsupportedEncodingException e1) {
        // TODO Auto-generated catch block
        e1.printStackTrace();
    }
    StringBuilder sb = new StringBuilder();

    String line;
    try {
        while ((line = reader.readLine()) != null) {
            sb.append(line + "\n");
        }
    } catch (IOException e) {
        e.printStackTrace();
    } finally {
        try {
            is.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
    return sb.toString();
}

如您所见，我在 InputStreamReader 上指定 UTF-8，但每次我通过 Toast 查看返回的 JSON 文本时，它都会出现奇怪的问号。我在想我需要将 InputStream 发送到 byte[] 吗？

预先感谢您的任何帮助。

Answer 1

试试这个：

if (entity != null) {
    // A Simple JSON Response Read
    // InputStream instream = entity.getContent();
    // String jsonText = convertStreamToString(instream);

    String jsonText = EntityUtils.toString(entity, HTTP.UTF_8);

    // ... toast code here
}

Answer 2

@Arhimed 的答案就是解决方案。但我看不出您的 convertStreamToString 代码有任何明显的错误。

我的猜测是：

1. 服务器在流的开头放置了一个 UTF 字节顺序标记 (BOM)。标准 Java UTF-8 字符解码器不会删除 BOM，因此它很可能会出现在结果字符串中。 （但是，EntityUtils 的代码似乎也不对 BOM 执行任何操作。）
2. 您的 convertStreamToString 一次读取一行字符流，并使用硬连线 重新组装它'\n' 作为行尾标记。如果您要将其写入外部文件或应用程序，您可能应该使用特定于平台的行尾标记。

Answer 3

只是您的 ConvertStreamToString 不支持 HttpRespnose 中设置的编码。如果你查看 EntityUtils.toString(entity, HTTP.UTF_8) 内部，你会看到 EntityUtils 首先查找 HttpResponse 中是否有编码设置，如果有，EntityUtils 使用该编码。如果实体中没有设置编码，它只会回退到参数中传递的编码（在本例中为 HTTP.UTF_8）。

因此，您可以说您的 HTTP.UTF_8 已在参数中传递，但它从未被使用，因为它是错误的编码。因此，这里使用 EntityUtils 的辅助方法更新您的代码。

           HttpEntity entity = response.getEntity();
           String charset = getContentCharSet(entity);
           InputStream instream = entity.getContent();
           String jsonText = convertStreamToString(instream,charset);

    private static String getContentCharSet(final HttpEntity entity) throws ParseException {
    if (entity == null) {
        throw new IllegalArgumentException("HTTP entity may not be null");
    }
    String charset = null;
    if (entity.getContentType() != null) {
        HeaderElement values[] = entity.getContentType().getElements();
        if (values.length > 0) {
            NameValuePair param = values[0].getParameterByName("charset");
            if (param != null) {
                charset = param.getValue();
            }
        }
    }
    return TextUtils.isEmpty(charset) ? HTTP.UTF_8 : charset;
}



private static String convertStreamToString(InputStream is, String encoding) {
    /*
     * To convert the InputStream to String we use the
     * BufferedReader.readLine() method. We iterate until the BufferedReader
     * return null which means there's no more data to read. Each line will
     * appended to a StringBuilder and returned as String.
     */
    BufferedReader reader;
    try {
        reader = new BufferedReader(new InputStreamReader(is, encoding));
    } catch (UnsupportedEncodingException e1) {
        // TODO Auto-generated catch block
        e1.printStackTrace();
    }
    StringBuilder sb = new StringBuilder();

    String line;
    try {
        while ((line = reader.readLine()) != null) {
            sb.append(line + "\n");
        }
    } catch (IOException e) {
        e.printStackTrace();
    } finally {
        try {
            is.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
    return sb.toString();
}

Answer 4

阿基米德的回答是正确的。但是，只需在 HTTP 请求中提供额外的标头即可完成此操作：

Accept-charset: utf-8

无需删除任何内容或使用任何其他库。

例如，

GET / HTTP/1.1
Host: www.website.com
Connection: close
Accept: text/html
Upgrade-Insecure-Requests: 1
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.10 Safari/537.36
DNT: 1
Accept-Encoding: gzip, deflate, sdch
Accept-Language: en-US,en;q=0.8
Accept-Charset: utf-8

您的请求很可能没有任何 Accept-Charset 标头。

Answer 5

从响应内容类型字段中提取字符集。您可以使用以下方法来执行此操作：

private static String extractCharsetFromContentType(String contentType) {
    if (TextUtils.isEmpty(contentType)) return null;

    Pattern p = Pattern.compile(".*charset=([^\\s^;^,]+)");
    Matcher m = p.matcher(contentType);

    if (m.find()) {
        try {
            return m.group(1);
        } catch (Exception e) {
            return null;
        }
    }

    return null;
}

然后使用提取的字符集创建 InputStreamReader：

String charsetName = extractCharsetFromContentType(connection.getContentType());

InputStreamReader inReader = (TextUtils.isEmpty(charsetName) ? new InputStreamReader(inputStream) :
                    new InputStreamReader(inputStream, charsetName));
            BufferedReader reader = new BufferedReader(inReader);