Web harvest获取XML出现乱码的解决办法：

　　现象：

　　在Web harvest中使用http请求去获取某个远程的XML，此XML的特征是无文件头(即没有编码描述等关键信息)，采用了多种办法去获取，出现乱码，无法解析成我们需要的数据。

　　办法：

　　(1)最原始办法：使用Java中的URLConnection，InputStream等类读取字节流，构造字符串：

　　Java代码

/** 　

　　　　　　*通过URL获取XML,因为在Webharvest获取XML时无法获取正常编码的XML 　

　　　　　　*/　

　　　　　　URLurl=newURL(link); 　

　　　　　　URLConnectionconnection=url.openConnection(); 　

　　　　　　InputStreamin=connection.getInputStream(); 　

　　　　　　ListbyteList=newArrayList(); 　

　　　　　　byteb=-1; 　

　　　　　　while((b=(byte)in.read())!=-1) 　

　　　　　　{ 　

　　　　　　　　byteList.add(b); 　

　　　　　　} 　

　　　　　　byte[]bytes=newbyte[byteList.size()]; 　

　　　　　　for(inti=0;i

　　　　　　{ 　

　　　　　　　　bytes[i]=byteList.get(i); 　

　　　　　　} 　

　　　　　　/** 　

　　　　　　*输出日志确认其编码 　

　　　　　　*/　

　　　　　　logger.debug(newString(bytes)); 　

　　　　　　logger.debug(newString(bytes,"utf-8")); 　

　　　　　　logger.debug(newString(bytes,"gbk")); 　

　　　　　　logger.debug(newString(bytes,"gb2312"));　

　　(2)最好的办法：直接使用dom4j中的SAXReader

　　Java代码

/** 　

　　　　　　*通过URL获取XML,因为在Webharvest获取XML时无法获取正常编码的XML 　

　　　　　　*/　

　　　　　　URLurl=newURL(link); 　

　　　　　　SAXReaderxmlReader=newSAXReader(); 　

　　　　　　Documentdoc=xmlReader.read(url);　

　　非常简单，连编码都不用管！

　　其中：link为需要获取XML的地址

(责任编辑：admin)