Żbalji fl-ikkodifikar tal-karattri f'jsoup wara tniżżil permezz ta' prokura

Iddijanjostika karattri mħawwda f'paġna mgħobbija permezz ta' prokura billi żżomm l-informazzjoni tal-ikkodifikar tar-risposta matul l-analiżi HTML.

Il-paġna tgħabbi permezz tal-prokura, iżda l-ittri bl-aċċenti jerġgħu lura mħawwda. Qabel ma tibdel il-prokura, sib l-ewwel post fejn il-bytes tar-risposta jsiru Java String. InputStreamReader mingħajr charset espliċitu jista' jieħu dik id-deċiżjoni qabel ma jsoup jara d-dokument.

Meta jsoup jimmaniġġja l-ġibda, żomm ir-risposta flimkien sal-analiżi:

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

L-API tar-risposta tesponi informazzjoni dwar charset derivata mill-Content-Type. Tista' wkoll taċċetta sostituzzjoni espliċita tal-charset meta tkun stabbilixxejt li d-dikjarazzjoni tas-server hija żbaljata. Indirizz tal-prokura waħdu ma jgħidlekx liema kkodifikar tal-karattri juża d-dokument. Jekk għandek bżonn paragun permess ta' paġna pubblika mingħajr kont tal-prokura, ibdel il-host u l-port HTTP tal-eżempju b'kandidat mil-lista tal-prokuri HTTP, filwaqt li żżomm l-istess verifiki tal-ikkodifikar.

Jekk klijent HTTP ieħor iforni InputStream, l-overload tal-analiżi tal-fluss ta' jsoup jaċċetta isem ta' charset u URI bażi. Charset null jippermetti s-sejbien u l-imġiba ta' rikors dokumentati tiegħu; charset HTTP magħruf u korrett għandu jgħaddi b'mod deliberat. L-URI bażi jipprovdi kuntest għall-ħoloq relattivi.

Ladarba l-bytes ikunu ġew dekodifikati b'mod żbaljat, l-analiżi tal-String li tirriżulta b'charset ieħor ma tirkuprax it-test oriġinali. Mur lura għall-bytes u għall-metadata tar-risposta. Qabbel ukoll dak li wasal: il-paġna tad-dħul jew ir-rifjut tal-prokura tista' tkun dokument kompletament differenti mill-paġna mitluba, minflok falliment fid-dekodifikar fiha.

Artikli relatati