Umlaute in Text .

[F4llen4ngel]

Cheers!

Ich parse mit meinem Programm gearde eine Website ab und hole mir dann ein paar Werte von dieser ...

Funktioniert auch ganz toll - nur bekomme ich statt Umlauten und ß die Daten mit folgenden Zeichen:
"ö", "�" und so weiter und so fort ...

Hab meienm InputStreamReader schon gesagt das er das ganze mit "ISO-8859-1"
einlesen soll aber es passiert einfach nichts :-(

Kann mir vielleicht jemand verraten wie ich Umlaute in meinem Projekt schön und einfach darsteleln kann?!

Schönen dank schonmal im vorraus

 

[F4llen4ngel]

hmm - hab noch n bissl mit replace All rumgespielt ...
iss zwar ma überhaupt nich performant aber imemr noch besser als gar nix!

allerdings geht das ß zeichen nicht wirklich umzusetzen da er das
"Ã?" wohl als eine art regex versteht und dann völligen mist macht ...
wenn bei dem punkt also noch jemand ne idee hätte ;-)

achja und die 2te frage die dann noch bleibt ist:
finktioniert die replaceAll methode auf jedem rechner oder kann sich
das dann auch unterscheiden was für zeichen anstatt der umlaute gezeigt werden? ???:L

schönen dank und gruß

 

[Bleiglanz]

Hab meienm InputStreamReader schon gesagt das er das ganze mit "ISO-8859-1"
einlesen soll aber es passiert einfach nichts :-(

Ja ist denn die Seite überhaput ISO-8859-1 kodiert? das ist doch die Frage...?

URLConnection#getContentEncoding

aufrufen und mit diesem Encoding einlesen

 

[F4llen4ngel]

URLConnection#getContentEncoding

ähh - die methode hab ich bei mir gar nicht ...
ich nehms mal stark an das die seite UTF-8 codiert iss ...


EDIT:
ich nehms urück - die Methode gibts doch *lach*
kann aber gerade nicht testen :-(

 

[F4llen4ngel]

hmm getContentEncoding liefert mir immer NULL zurück :cry:

sonst noch ne idee?

 

[Bleiglanz]

hmm

wie holst du die denn? von welchem Webserver??

könnte auch schwierig sein, das java-forum liefert z.B.

Date: Thu, 30 Jun 2005 11:26:37 GMT
Server: Apache/ProfiHost Ext 1.0 (Unix) mod_gzip/1.3.19.1a FrontPage/5.0.2.2623 mod_ssl/2.8.16 OpenSSL/0.9.6g
Cache-Control: private, pre-check=0, post-check=0, max-age=0
Expires: Thu, 30 Jun 2005 11:26:37 GMT
X-Powered-By: PHP/4.3.10
Set-Cookie: jrpwckfrmaha_t=...
Last-Modified: Thu, 30 Jun 2005 11:26:37 GMT
Keep-Alive: timeout=15, max=100
Connection: Keep-Alive
Content-Type: text/html
Content-Encoding: gzip
Content-Length: 6666

für diese Seite, d.h. im HTTP Header steht nix über das encoding

ist u.U ein

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">

oder sowas drin, wo das encoding angegeben ist, in dem
fall müsstest du zweimal lesen

(oder check mal mit deinem Browser (unter Ansicht >...), welches Encoding der hernimmt bzw. automatisch erkennt!

 

[F4llen4ngel]

hmm firefox sacht mir das es UTF-8 kodiert iss ...

im header bereich steht sonst weiter nix und auf der seite direkt sind
die umlaute und sonderzeichen halt auch nicht als spezieller html-character
sondern ganz normal reingeschrieben ... :cry:

 

[messi]

Also, wenn der Webserver UTF-8 schickt und das nicht ankündigt, dann bleibt dir das Raten/Schätzen nicht erspart. UTF-8-Texte kann man zwar noch ganz gut erkennen, ist aber theoretisch nicht 100% zuverlässig. Oder du schickst eine Hassmail an den Webmaster, was sogar konstruktiver wäre. :wink: