OutputSettings 字符集是否也会更改元内容类型？答案

【问题标题】：Does OutputSettings charset also change meta Content-Type?OutputSettings 字符集是否也会更改元内容类型？
【发布时间】：2021-01-29 18:16:59
【问题描述】：

我必须将字符串从内容类型 text/html 转换为 application/xhtml+xml 并从 windows-1252 转换为 UTF-8

charset
public Document.OutputSettings charset(Charset charset)
Update the document's output charset.

html 源代码包含类似

<meta http-equiv="Content-Type" content="text/html; charset=windows-1252">

当前的xml/html输出是

<meta http-equiv="Content-Type" content="text/html; charset=windows-1252" />

目前的指令是

org.jsoup.nodes.Document doc = Jsoup.parse(htmlString);
doc.outputSettings(new OutputSettings().syntax(Syntax.xml).escapeMode(EscapeMode.xhtml));

OutputSeetings 是否能够创建类似的字符串

<meta http-equiv="Content-Type" content="application/xhtml+xml; charset=UTF-8" />

如果是这样，怎么做？还是有其他方法可用？

【问题讨论】：

标签： jsoup

【解决方案1】：

是的，如果您调用 Document#charset(charset) 方法，jsoup 会执行此操作。除了更新文档输出设置之外，它还会向文档添加适当的 HTML 或 XML 以指定字符集。

例如：

String html = "<head><meta http-equiv=\"Content-Type\" content=\"text/html; charset=windows-1252\"><body>Hello";
Document doc = Jsoup.parse(html);

doc.outputSettings().syntax(Document.OutputSettings.Syntax.xml); // specify that we want XML output
doc.charset(StandardCharsets.UTF_8); // update the charset - also adds the <?xml encoding> instruction
doc.select("meta[content~=charset]").remove(); // Remove the obsolete HTML meta

System.out.println(doc.html());
}

给我们：

<?xml version="1.0" encoding="UTF-8"?>
<html>
 <head></head>
 <body>
  Hello
 </body>
</html>

【讨论】：

我明白了。您自己删除元标记，因为 jsoup 不会为您执行此操作。
在这种情况下，当我们从 HTML 更改为 XML 时，我们手动执行此操作。如果只是更改字符集并使用标准元标记，则 jsoup 会自动内联更新该值。