Android 从网络中获取数据时 产生部分数据乱码的解决

转载请表明出处：http://blog.csdn.net/lmj623565791/article/details/23562939

问题描述：从网络中抓取html页面进行解析，解析后发现产生部分中文乱码。

由来：制作csdn客户端时产生 ， http://blog.csdn.net/lmj623565791/article/details/23532797  （java环境下，使用控制台打印出是没有乱码）

于是立马检查从服务器读取的代码：

/** * 返回该链接地址的html数据 *  * @param urlStr * @return * @throws CommonException */public static String doGet(String urlStr) throws CommonException{StringBuffer sb = new StringBuffer();try{URL url = new URL(urlStr);HttpURLConnection conn = (HttpURLConnection) url.openConnection();conn.setRequestMethod("GET");conn.setConnectTimeout(5000);conn.setDoInput(true);conn.setDoOutput(true);if (conn.getResponseCode() == 200){InputStream is = conn.getInputStream();int len = 0;byte[] buf = new byte[1024];while ((len = is.read(buf)) != -1){sb.append(new String(buf, 0, len, "UTF-8"));}is.close();} else{throw new CommonException("访问网络失败！");}} catch (Exception e){throw new CommonException("访问网络失败！");}return sb.toString();}

发现可能是由于我采用字节流从网络读取数据，且每次读取1024个字节，读取完成后能后强制转化为字符串，又因为使用编码为UTF-8，UTF-8是一种变长码（英文1个字节，中文两个字节），所以1024可能会造成刚好截取了某个汉字的一半（前一个字节），然后转化为字符串时造成乱码。唯一不理解的在java环境下，使用控制台打印出是没有乱码的。如果你有不同的理解欢迎留言探讨。

于是把读取数据的代码从字节流改成字符流，修改后的代码为：

/** * 返回该链接地址的html数据 *  * @param urlStr * @return * @throws CommonException */public static String doGet(String urlStr) throws CommonException{StringBuffer sb = new StringBuffer();try{URL url = new URL(urlStr);HttpURLConnection conn = (HttpURLConnection) url.openConnection();conn.setRequestMethod("GET");conn.setConnectTimeout(5000);conn.setDoInput(true);conn.setDoOutput(true);if (conn.getResponseCode() == 200){InputStream is = conn.getInputStream();InputStreamReader isr = new InputStreamReader(is,"UTF-8");int len = 0;char[] buf = new char[1024];while ((len = isr.read(buf)) != -1){sb.append(new String(buf, 0, len));}is.close();isr.close();} else{throw new CommonException("访问网络失败！");}} catch (Exception e){throw new CommonException("访问网络失败！");}return sb.toString();}

问题解决。