jsoup-tegnkodefeil etter ei nedlasting via ein proxy

Sida blir lasta via proxyen, men bokstavar med aksentar kjem forvanska tilbake. Før du byter proxy, finn den første staden der byta i svaret blir ein Java String. Ein InputStreamReader utan eksplisitt charset kan ta den avgjerda før jsoup ser dokumentet.

Når jsoup står for hentinga, hald svaret samla fram til parsinga:

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

Svar-API-et eksponerer charset-informasjon utleia frå Content-Type. Det kan også godta ei eksplisitt charset-overstyring når du har fastslått at fråsegna til tenaren er feil. Ei proxyadresse åleine fortel deg ikkje kva teiknkoding dokumentet brukar. Viss du treng ein tillaten samanliknad av ei open side utan proxykonto, byt ut HTTP-verten og -porten i dømet med ein kandidat frå HTTP-proxylista, medan du held på dei same kodingssjekkane.

Viss ein annan HTTP-klient leverer ein InputStream, godtar stream-parse-overloadet til jsoup eit charset-namn og ein basis-URI. Eit null-charset lèt den dokumenterte gjenkjenninga og reserveåtferda verke; eit kjent og riktig HTTP-charset bør førast vidare med vilje. Basis-URI-en gjev kontekst for relative lenkjer.

Når byta først er dekoda feil, vinn ikkje parsinga av den resulterande Stringen med eit anna charset att den opphavlege teksten. Gå tilbake til byta og metadataa i svaret. Samanlikn også det som vart motteke: innloggingssida eller avvisinga til ein proxy kan vere eit heilt anna dokument enn sida du bad om, snarare enn ein dekodingsfeil i henne.