我正在解析Wikipedia上的一些图片链接。我在http://en.wikipedia.org/wiki/Special:Export/Diego_Forl%C3%A1n上遇到了这个
当我使用不赞成使用的URLEncoder.encode时，我可以正确编码带重音符号的字符，但是当我指定“ UTF-8”参数时，它将失败。维基百科上的文字是utf8 AFAIK。
Diego + Forl％C3％A1n + vs + the + Netherlands.jpg是正确的，而Diego + Forl％E2％88％9A％C2％B0n + vs + the + Netherlands.jpg是错误的。
scala> first
res24: String = Diego Forlán vs the Netherlands.jpg
scala> java.net.URLEncoder.encode(first, "UTF-8")
res25: java.lang.String = Diego+Forl%E2%88%9A%C2%B0n+vs+the+Netherlands.jpg
scala> java.net.URLEncoder.encode(first)
<console>:33: warning: method encode in object URLEncoder is deprecated: see corresponding Javadoc for more information.
java.net.URLEncoder.encode(first)
^
res26: java.lang.String = Diego+Forl%C3%A1n+vs+the+Netherlands.jpg
最佳答案
我猜想first已经损坏，并且由于控制台配置隐藏的转码错误而只能正确呈现。
您可以通过在字符串中发出UTF-16代码单元来确认这一点：
for(c<-first.toCharArray()){print("\\u%04x".format(c.toInt))}
可能有一种更优雅的书写方式。
如果代码点编码正确，它将是：
U+00e1 á \u00e1
我希望可以使用MacRoman解码器对UTF-8编码的数据进行解码。
codepoint glyph escaped x-MacRoman info
=======================================================================
U+221a √ \u221a c3, MATHEMATICAL_OPERATORS, MATH_SYMBOL
U+00b0 ° \u00b0 a1, LATIN_1_SUPPLEMENT, OTHER_SYMBOL