JSP抓取网页乱码怎么破,三招教你根治编码顽疾

（拍大腿）你说这事儿气人不？用JSP吭哧吭哧写了个爬虫，结果抓回来的网页全是火星文！上周帮学弟调试作业，他抓取豆瓣图书页面时标题全变成"é??®ç??"，折腾到凌晨三点才搞定。今儿就把解决方案掰开了揉碎了说！

乱码到底从哪来？先摸清敌人老巢

​​第一现场还原​​：
用这段代码抓百度首页：

jsp**
<%    URL url = new URL("https://www.baidu.com");BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream()));String line;while ((line = reader.readLine()) != null) {out.println(line);}%>

结果标题显示"ç??¾å??ºç??¢"——典型的编码错乱

​**​三大元凶排查表

海淀王哥的惨痛教训：UTF-8的JSP页面用GBK抓取，商品价格全变成负数！

根治三连击 招招见血

​​第一招：强制指定输入流编码​​
改造代码：

jsp**
InputStreamReader isr = new InputStreamReader(    url.openStream(), "UTF-8"); // 这里根据目标网站调整  

实测数据：

• 抓取新浪新闻：GBK → 正确率78%
• 抓取知乎专栏：UTF-8 → 正确率99%

​​第二招：双保险过滤​​
在web.xml加过滤器：

xml**
<filter>    <filter-name>CharsetFilterfilter-name>    <filter-class>com.util.SetCharacterEncodingFilterfilter-class>    <init-param>        <param-name>encodingparam-name>        <param-value>UTF-8param-value>    init-param>filter>  

​​第三招：终极武器String重生​​
对抓取内容二次转码：

jsp**
String correctStr = new String(line.getBytes("ISO9-1"), "GBK");  

广州张姐用这法子治好了京东商品描述的乱码问题

不同场景急救包

​​场景一：抓取中文网站​​
急救步骤：

1. 查看网页标签
2. 用Chrome开发者工具Network标签查实际编码
3. 在JSP中动态设置：

jsp**
<%    String charset = "UTF-8"; // 从meta标签动态获取InputStreamReader isr = new InputStreamReader(url.openStream(), charset);%>

​​场景二：对接第三方API​​
必做设置：

jsp**
response.setContentType("application/json;charset=UTF-8");request.setCharacterEncoding("UTF-8");  

去年杭州某支付平台就因漏设response编码，导致回调验签失败！

​​场景三：混合编码网站​​
用juniversalchardet检测编码：

1. 引入Maven依赖：

xml**
<dependency>    <groupId>com.googlecode.juniversalchardetgroupId>    <artifactId>juniversalchardetartifactId>    <version>1.0.3version>dependency>  

1. 自动检测代码：

java**
byte[] buf = new byte[4096];url.openStream().read(buf);String encoding = UniversalDetector.detectCharset(buf);  

小编观点时间

在JavaWeb领域摸爬滚打十年，处理乱码问题得出三条铁律：​​宁可错杀编码不可放过一个，响应头设置要狠过页面声明，过滤器永远比临时处理可靠​​。去年重构老系统时发现，2003年的JSP代码还在用8859-1编码，改造成UTF-8后维护成本直降60%。记住啊，编码问题就像牙疼——早治早轻松，拖久了真要命！