Google App Engine 的 URLConnection 无法正确读取某些西里尔符号

Question

我正在使用简单的代码来检索 JSON 对象。 JSON 采用 Unicode 格式并包含一些西里尔字符。

URL url = new URL("blahblah");
URLConnection con = url.openConnection();
con.setConnectTimeout(10000);
BufferedReader reader = new BufferedReader(new inputStreamReader(con
    .getInputStream()));
String json = reader.readLine();

代码在“标准”Java 实现中运行良好：

Владивосток

但是，当我在 Google App Engine 应用程序中使用相同的 sn-p 时，一些西里尔字母会被替换为 �?字符：

�?ладиво�?�?ок

我注意到，在basic Cyrillic character set 中，只有中半部分（代码为 0421-043F 的符号）被正确读取。不过我不知道该怎么做。

这种行为是由 Google 重新实现 java.net 类引起的，还是我在某处疏忽造成的？

Answer 1

您必须使用用于在其他服务器/源上创建和发送数据的相同编码。

在InputStreamReader的构造函数中指定相同的编码。

例如如果你想使用 UTF-8 编码：

BufferedReader reader = new BufferedReader(new InputStreamReader(
    con.getInputStream(), StandardCharsets.UTF_8));

如果你没有明确指定编码，引用javadoc of the constructor that doesn't take the encoding:

创建一个使用 default 字符集的InputStreamReader。

因此将使用依赖于平台的默认字符集，因此它在不同操作系统上的工作方式可能不同。所以总是指定字符集。

编辑：

建议使用服务器上报的编码。你可以通过URLConnection.getContentEncoding()得到这个：

BufferedReader reader = new BufferedReader(new InputStreamReader(
    con.getInputStream(), con.getContentEncoding()));