谁有本事解析下面的网址的源码?你信邪吗?哈哈

Question

网址:http://health.sohu.com/yangshengtang/2010年12月20日,我对它是无语了
我设置了编码:gb2312
设置了代理
设置GET请求
设置了accept
设置了setUseCaches false
设置了setAllowUserInteraction true设了一堆请求属性,可是依然乱码 ....
真让人无语了啊,有哪位高手不信这个邪?用浏览器浏览却不乱码我在想自己的浏览器模拟器哪里出了问题,
高手们...

Answer 1

楼主的工程和java源代码用gb2312就可以了

Answer 2

注意到这个网址返回的content encoding了吗？
是gzip格式的
就是说它把源文件压缩了传输了过来，
你不解压缩无论咋整都是乱码
我随便写了个程序测试了下
还有一部分是乱码，不清楚哪的问题
String url = "http://health.sohu.com/yangshengtang/"; URL cumtURL = new URL(
url); URLConnection cumtConnection = cumtURL.openConnection();
cumtConnection.setRequestProperty("User-Agent",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13");
cumtConnection.setRequestProperty("Pragma", "no-cache");
cumtConnection.setRequestProperty("Proxy-Connection", "Keep-Alive");
cumtConnection.setRequestProperty("Host", "health.sohu.com");
//Cookie Hm_lvt_9f14aaa038bbba8b12ec2a4a3e51d254=1287650788640; BAIDUID=F25ABEDD87D60C8104D0CF4D75A71979:FG=1; bdime=0; BD_UTK_DVT=1; USERID=fdb673a39972591f66d93243
cumtConnection.setRequestProperty("Cookie", "YYID=C52798160DB2F2EB9A5C522772777A83; SUV=0812111111371033; vjuids=3f340bb23.11ed3e18865.0.7e372d1208008; vjlast=1231915420,1231915420,30.1292830395.10; IPLOC=CN6101");
cumtConnection.setRequestProperty("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8");
cumtConnection.setRequestProperty("Accept-Language", "zh-cn,zh;q=0.5");
cumtConnection.setRequestProperty("Pragma", "no-cache");
cumtConnection.setRequestProperty("Accept-Charset", "GB2312,utf-8;q=0.7,*;q=0.7");
cumtConnection.setRequestProperty("Accept-Encoding", "gzip,deflate");
// System.out.println(cumtConnection.getContentEncoding());
InputStream urlStream = cumtConnection.getInputStream();
BufferedInputStream buff = new BufferedInputStream(urlStream);
Reader r = new InputStreamReader(buff,"iso-8859-1");
BufferedReader br = new BufferedReader(r);
StringBuffer strHtml = new StringBuffer();
String strLine = null;
while ((strLine = br.readLine()) != null) {
//System.out.println(strLine);
//strLine = new String(strLine.getBytes("gb2312"),"utf-8");
//System.out.println("aa:"+strLine);
strHtml.append(strLine);
}
// System.out.println(strHtml);
GZIPInputStream gis = new GZIPInputStream(new java.io.ByteArrayInputStream(strHtml.toString().getBytes("iso-8859-1")));
int count; 

byte data[] = new byte[2048];   
while ((count = gis.read(data, 0, 1024)) != -1) {   
    System.out.println(new String(data,"gbk"));   
}    gis.close();  

Answer 3

http://jsoup.org/download
Document document = Jsoup.connect("http://health.sohu.com/yangshengtang/").get();

Answer 4

是你自己编的browser？？？ 读到乱码？？？ 没有ie或者firefox吗 ？？？？为什么无聊的自己编。 

Answer 5

建议楼主去了解一下 HTTP 协议中请求头 Accept-Encoding 及响应头 Content-Encoding 的含义之后就会明白了。参考代码如下：import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.net.URLConnection;
import java.util.zip.DeflaterInputStream;
import java.util.zip.GZIPInputStream;public class Test2 {    public static void main(String[] args) throws IOException {
        URL url = new URL("http://health.sohu.com/yangshengtang/");
        String content = doGet(url, "gb2312");
        System.out.println(content);
    }    public static String doGet(URL url, String charset) throws IOException {
        URLConnection con = url.openConnection();
        ContentEncoding ce = ContentEncoding.getInstance( con.getContentEncoding() );
        byte[] bys = read(ce, con.getInputStream());
        return new String(bys, charset);
    }    private static byte[] read(ContentEncoding ce, InputStream in) throws IOException {
        try {
            return ce.getBytes(in);
        } finally {
            in.close();
        }
    }    public static enum ContentEncoding {        DEFAULT,        GZIP {
            protected InputStream wrap(InputStream in) throws IOException {
                return new GZIPInputStream(in);
            }
        },        DEFLATE {
            protected InputStream wrap(InputStream in) throws IOException {
                return new DeflaterInputStream(in);
            }
        };        public static ContentEncoding getInstance(String encoding) {
            if(encoding == null || encoding.trim().length() == 0) {
                return DEFAULT;
            }
            for(ContentEncoding e : values()) {
                if(e.name().equalsIgnoreCase(encoding)) {
                    return e;
                }
            }
            return DEFAULT;
        }        protected InputStream wrap(InputStream in) throws IOException {
            return in;
        }        public byte[] getBytes(InputStream in) throws IOException {
            InputStream wrap = wrap(in);
            ByteArrayOutputStream baos = new ByteArrayOutputStream();
            byte[] bys = new byte[8196];
            for (int r = -1; (r = wrap.read(bys)) != -1;) {
                baos.write(bys, 0, r);
            }
            return baos.toByteArray();
        }
    }
}

Answer 6

页面使用了gzip 要进行解压缩的..