java获取文件编码,jsoup获取html纯文本操作

获取文件编码：

在使用Java查看文件的编码时，可以通过两种方式来获取文件的编码：使用Java内部库获取、使用第三方工具库获取。

1. 使用Java内部库获取文件编码

Java内部库中，提供了获取文件编码的方式：使用InputStreamReader类的getEncoding()方法获取文件编码。以下是示例代码：

public static String getFileCharset(InputStream inputStream) throws IOException {
    BufferedInputStream bis = new BufferedInputStream(inputStream);
    bis.mark(3);
    byte[] firstBytes = new byte[3]; // 用于保存前三个字节，用于判断编码格式
    bis.read(firstBytes);

    // 以下是根据前三个字节进行编码判断
    if (firstBytes[0] == (byte)0xFF && firstBytes[1] == (byte)0xFE) {
        return "Unicode";
    } else if (firstBytes[0] == (byte)0xFE && firstBytes[1] == (byte)0xFF) {
        return "UTF-16BE";
    } else if (firstBytes[0] == (byte)0xEF && firstBytes[1] == (byte)0xBB && firstBytes[2] == (byte)0xBF) {
        return "UTF-8";
    } else {
        return "default";
    }
}

1. 使用第三方工具库获取文件编码

在Java开发中，还有一些第三方工具库可以获取文件的编码，如：juniversalchardet、iconv。缺点是需要引入第三方库依赖，增加了较多的代码量和复杂度。

获取Html纯文本：

jsoup是一款专门用于操作HTML文档的Java工具库，除了可以从html文档中选取和修改内容之外，还可以获取HTML纯文本。

以下是示例代码：

Document doc = Jsoup.connect("https://www.example.com/").get();
String content = doc.text();
System.out.println(content);

另外，如果想要获取特定标签内的文本内容，也可以使用以下代码：

Document doc = Jsoup.connect("https://www.example.com/").get();
Element element = doc.select("h1").first(); // 获取第一个h1标签
String content = element.text(); // 获取h1标签内的文本内容
System.out.println(content);

以上是获取HTML纯文本的两种方法，可以根据实际需求选择适合自己的方式。