来自 HTML 文本的中文字符在某些网站上可以正确打印，但在其他网站上则不行

Question

我试图打印出https://top.baidu.com 和https://www.qq.com 的HTML 文本，它们都使用GB2312 字符编码。它正常打印到控制台，除了中文字符，它以不可读的文本形式出现，例如 �㿴���ģ�ȫ�й��...

但是，当我将地址更改为https://www.sina.com.cn 或https://world.taobao.com（两者都使用UTF-8）时，汉字就很好了。

除了恳求百度和QQ转为UTF-8，有什么办法吗？这是我的代码。

    try {
        String address1 = "https://top.baidu.com"; //unreadable
        String address2 = "https://www.qq.com"; //also unreadable
        String address3 = "https://www.sina.com.cn"; //readable
        String address4 = "https://world.taobao.com"; //readable, too

        URL url = new URL(address1);
        StringBuilder htmlText = new StringBuilder();
        HttpURLConnection connection = (HttpURLConnection) url.openConnection();
        InputStream stream = connection.getInputStream();
        InputStreamReader reader = new InputStreamReader(stream);
        int data = reader.read();

        while (data != -1) {
            char current = (char) data;
            htmlText.append(current);
            data = reader.read();
        }
        System.out.println(htmlText);

    } catch (Exception e) {
        e.printStackTrace();
    }

Answer 1

在阅读了 Andreas 的评论后，我查找了 InputStreamReader 的替代构造函数并想出了以下内容。

InputStreamReader reader = new InputStreamReader(stream, Charset.forName("GB2312"));