读取html应该怎么选择io流

Question

大家请看下面代码。这个代码没有问题，但如果我用scanner代替去读取流的话就会出现乱码，为什么呢？java的io流很复杂，不知道应该怎么根据不同情况去选择io流呢？import java.io.*;
import java.net.*;
import java.util.Scanner;
/**
 * Example program from Chapter 2
 * Programming Spiders, Bots and Aggregators in Java
 * Copyright 2001 by Jeff Heaton
 *
 * This program uses the standard Java URL class to open a
 * connection to a web page and download the contents.
 *
 * @author Jeff Heaton
 * @version 1.0
 */
class GetURL
{  /**
   * This method will display the URL specified by the parameter.
   *
   * @param u The URL to display.
   */
  static protected void getURL(String u)
  {
     URL url; 
  InputStream is; 
  InputStreamReader isr; 
  BufferedReader r; 
  String str;      try 
  { 
   System.out.println("Reading URL: " + u ); 
   url = new URL(u); 
   is = url.openStream(); 
   isr = new InputStreamReader(is); 
   r = new BufferedReader(isr); 
   do 
   { 
    str = r.readLine(); 
    if(str!=null) 
     System.out.println( str ); 
   } while( str!= null ); 
  } 
    catch(MalformedURLException e)
    {
      System.out.println("Must enter a valid URL");
    }
    catch(IOException e)
    {
      System.out.println("Can't connect");
    }
  }  /**
   * Program entry point.
   *
   * @param args Command line arguments.  Specified the URL to download.
   */
  static public void main(String args[])
  {
    
      getURL("http://finance.people.com.cn/GB/70846/16544301.html");
  }
}

Answer 1

我试了一下scanner，和你上面的代码结果一样。（有乱码）
scanner是扫描，如果格式不一致那么肯定会乱码。
格式匹配正确，那么是不会有乱码的（对于如何使用流，你觉得那种流熟悉就使用哪种。能使用就行）static protected void getURL2(String u) {
URL url;
InputStream is;
Scanner scanner = null;
try {
url = new URL(u);
is = url.openStream();
scanner = new Scanner(is, "GBK");//编码匹配
while (scanner.hasNextLine()) {
System.out.println(scanner.nextLine());
}
} catch (MalformedURLException e) {
System.out.println("Must enter a valid URL");
} catch (IOException e) {
System.out.println("Can't connect");
}
}

Answer 2

建议编码格式都改为UTF-8，我这样做，几乎没有出现过乱码情况