jsoup-Zeechenkodéierungsfeeler no engem Download iwwer e Proxy

D'Säit lued iwwer de Proxy, awer akzentuéiert Buschtawe kommen duercherneen zréck. Ier Dir de Proxy ännert, fannt déi éischt Plaz, wou d'Bytes vun der Äntwert eng Java String ginn. En InputStreamReader ouni explizitten Charset kann déi Entscheedung triede, ier jsoup d'Dokument gesäit.

Wann jsoup den Ofruf iwwerhëlt, haalt d'Äntwert bis zur Analys zesummen:

Connection.Response response = Jsoup
    .connect("https://www.example.com/catalog")
    .proxy("proxy.example", 8080)
    .execute();
Document page = response.parse();

D'Äntwert-API gëtt Charset-Informatiounen un, déi aus dem Content-Type ofgeleet sinn. Si kann och eng explizit Charset-Überschreiwung akzeptéieren, wann Dir festgestallt hutt, datt d'Deklaratioun vum Server falsch ass. Eng Proxy-Adress eleng seet Iech net, wéi eng Zeechenkodéierung d'Dokument benotzt. Wann Dir e geneemten ëffentleche Säitevergläich ouni Proxy-Konto braucht, ersetzt den HTTP-Host an de Port vum Beispill duerch e Kandidat aus der HTTP-Proxy-Lëscht, wärend Dir déi selwecht Kodéierungspréifungen behält.

Wann en aneren HTTP-Client en InputStream liwwert, akzeptéiert dem jsoup seng Stream-Parse-Iwwerlaaschtung en Charset-Numm an eng Basis-URI. En Null-Charset erlaabt déi dokumentéiert Erkenung a Fallback-Verhalen; en bekannten a korrekten HTTP-Charset soll bewosst weiderginn ginn. D'Basis-URI gëtt Kontext fir relativ Linken.

Nodeems d'Bytes falsch dekodéiert goufen, gewënnt d'Analyse vun der resultéierender String mat engem aneren Charset den Originaltext net zréck. Gitt zréck op d'Bytes an d'Metadaten vun der Äntwert. Vergläicht och dat, wat empfaange gouf: d'Login-Säit oder d'Oflehnung vun engem Proxy kann en ganz anert Dokument wéi déi ugefrot Säit sinn, an net e Dekodéierungsfeeler doran.