HttpURLConnection获取网页内容，解决乱码的通用方法

最新推荐文章于 2025-10-29 09:27:58 发布

原创最新推荐文章于 2025-10-29 09:27:58 发布 · 7.9k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#HttpURLConnection #网页乱码

Android 专栏收录该内容

132 篇文章

订阅专栏

本文介绍了一种通过解析HTTP响应头中的字符集信息来解决网页内容乱码的方法，并提供了一个Java示例代码，该方法能够自动检测并使用正确的字符集进行内容读取。

由于网页内容的字符集编码不一定都采用UTF-8编码,所以通过HttpURLConnection获取的网页内容经常会出现乱码的问题。网页内容的编码可能是UTF-8，也可能是GBK、GB2312，甚至其它编码方式。

从下面的截图可以看出，服务器会在HTTP头里面包含原始字符集编码信息，我们可以通过URLConnection类的getContentType()方法的返回值，然后用正则表达式从中提取出编码。

    public String requestWebContenFromUrl(String urlStr) {
        String result = "";
        try {
            URL url = new URL(urlStr);
            HttpURLConnection conn = (HttpURLConnection) url.openConnection();
            conn.setRequestMethod("GET");
            conn.setConnectTimeout(5 * 1000);
            if (conn.getResponseCode() == 200) {
                InputStream is = conn.getInputStream();
                String charset = "UTF-8";
                Pattern pattern = Pattern.compile("charset=\\S*");
                Matcher matcher = pattern.matcher(conn.getContentType());
                if (matcher.find()) {
                    charset = matcher.group().replace("charset=", "");
                }
                BufferedReader reader = new BufferedReader(new InputStreamReader(is, charset));

                StringBuilder sb = new StringBuilder();
                String line;
                while ((line = reader.readLine()) != null) {
                    sb.append(line + "\n");
                }
                is.close();
                result = sb.toString();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        return result;
    }