JTidy 解析 HTML 中文 乱码问题

Question

代码如下

其中responseString是通过HttpClient返回的HTML页面内容，包含中文，UTF-8，在log中显示正常；

这段代码在一个Web应用中被执行。

1， 当我直接在eclipse，把Web应用放tomcat里运行时，两次trace打印出来的内容都能正常显示中文内容；

2， 当我把Web应用打成war包，入到服务器（其实就是我的电脑本机，脱离eclipse）运行时，两次trace，第一次打印出来的中文正常显示，但第二次却是乱码。

所以我觉得很诡异，同样的一段代码，在不同的方式运行出不同的结果。不知道是不是JTidy会依赖什么环境变量？

我用的是：eclipse Helios Service Release 1, tomcat 7(与这个无关，我也试过6)，操作系统是Win7 英文。

百思不得其解，救解！

ByteArrayInputStream in = null;
                try {
                    in = new ByteArrayInputStream(responseString.getBytes());
                    logger.trace("@@@@@@@ ByteArrayInputStream -> \n\n" + responseString + "\n\n");

                    Tidy tidy = new Tidy();
                    tidy.setQuiet(true);
                    tidy.setShowWarnings(false);
                    tidy.setInputEncoding("UTF-8");

                    org.w3c.dom.Document dom = tidy.parseDOM(in, null);

                    Document doc = new DOMReader().read(dom);
                    logger.trace("@@@@@@@ SAXReader -> \n\n" + doc.asXML() + "\n\n");
                    
                } finally {
                    try {
                        in.close();
                    } catch (IOException ignore) {
                    }
                }

Answer 1

我是做.net的，不知道跟你们java有没有区别，就权作为建议把； 首先要保证页面的格式是不是UTF-8，然后网站的配置文件里面responseEncoding以及requestEncoding是不是都是设置的为utf-8 ;