网页抓取出错，跟编码有关！求助！

Question

报的错误如下：
org.htmlparser.util.EncodingChangeException: character mismatch (new:  [0xfeff] != old:  [0x9518锘]) for encoding change from gbk to UTF-8 at character offset 0
at org.htmlparser.lexer.InputStreamSource.setEncoding(InputStreamSource.java:280)
at org.htmlparser.lexer.Page.setEncoding(Page.java:865)
at org.htmlparser.tags.MetaTag.doSemanticAction(MetaTag.java:150)
at org.htmlparser.scanners.TagScanner.scan(TagScanner.java:69)
at org.htmlparser.scanners.CompositeTagScanner.scan(CompositeTagScanner.java:160)
at org.htmlparser.util.IteratorImpl.nextNode(IteratorImpl.java:92)
at org.htmlparser.Parser.parse(Parser.java:701)
at extraction.Clawer.GetHtmlStr(Clawer.java:76)
at extract_suning.ExtracBaseInfo.main(ExtracBaseInfo.java:28)不是很明白，求解释，求解决！！

Answer 1

好像是说编码问题，，你可以尝试修改下你网页或者你class的编码。

Answer 2

我是抓取苏宁易购的网页，所以网页是无法修改；那class编码该改成什么呢？

Answer 3

人家是gbk的编码，你所使用的是utf-8的编码，把你的编码转换为gbk就可以（不是class的编码，是你代码里面转换的编码）

Answer 4

setEncoding("GBK");   //需要指定网页对应的编码

Answer 5

一般做爬虫，定制爬取的程序一般是这样写，不同的模板用一套程序去分析抓取页面。你可以把网易的页面易变的参数做成xml配置文件，例如有一些这样的参数 编码，正则表达式，列表url。分析某些的参数的 前缀后缀中缀等。我以前写过一套程序 配置了20多家视频网站的模板，来抓取视频内容

Answer 6

爬取苏宁的时候是将utf-8 当做gbk，将其转换为utf-8，而实际上是不用转换的，试试爬取苏宁的时候把转码那行去掉