抓取网页内容空格变成?的解决办法

网页里面的空格是 转义过的。 抓下来出现了乱码"????"，所以要单独对 处理。不然会变成？，虽然肉眼看见的是空格。

解决办法有以下几种：

1.因为????的ascii码是63，对应的二进制是111111，然后空格的ascii是32，对应的二进制是100000，先进行右移操作在+1得到byte，值为32，即空格的ascii码，

 

然后直接转成char就得到了空格，右移运算也可以直接改为&运算，即为by = (byte) (by & 100000);

注意：原有的？号也会被转成空格。

public static String changeStr(String s) {

    StringBuffer sb = new StringBuffer(1024);

    if(s == null)

        return "";

    byte[] b = s.getBytes();

    for (byte by : b) {

        if (by == 63) //是？才转

            by = (byte) (by & 100000);//by = (byte) ((by >> 1) + 1);

        sb.append((char)by);

    }

    return sb.toString();

}

 

2.把那个字符拷贝，用java的replace方法替换掉就可以了。

3.String dsp= 抓取的内容;

dsp = new String(dsp.getBytes(),"GBK").replace('?', ' ').replace('　', ' ');//前面这个是全角空格

System.out.println(dsp);（中文会变成乱码）

4.因为HttpResponse输出的时候，getWriter的print方法使用了系统默认的编码方式，把格式又搞坏了。只要把response编码设置setCharacterEncoding()为目标页面的编码就可以了。（未测试）