JSoup获取URL编码异常：如何修正ñ的编码错误？

我来帮你搞定这个编码难题！你遇到的核心问题是Unicode字符的两种表示形式导致的URL编码差异，具体来说：

问题原因拆解 #

• 你要编码的ñ有两种Unicode编码方式：
  1. 合成形式：单个字符U+00F1，UTF-8编码是C3 91，对应URL编码就是%C3%91——这也是URLEncoder默认输出的结果，但服务器不买账。
  2. 分解形式：字母n（U+006E）加上组合波浪号（U+0303），两个字符的UTF-8编码分别是6E和CC 83，对应URL编码就是n%CC%83，也就是服务器期望的CIGUEN%CC%83AL.JPG格式。

服务器的文件系统/路由是基于分解形式的字符存储文件名的，所以直接用URLEncoder编码合成形式的字符，自然会出现异常。

修复方案代码实现 #

我们需要先把字符串转换为分解形式，再进行URL编码，具体代码如下：

private static void GetUrl() {
    try {
        String urlBase = "http://betatruebaonline.com/img/parte/330/";
        String fileName = "CIGUEÑAL.JPG";
        
        // 第一步：将字符串转换为Unicode分解形式（NFD）
        String normalizedFileName = Normalizer.normalize(fileName, Normalizer.Form.NFD);
        // 第二步：UTF-8编码，指定编码格式避免平台差异
        String encodedFileName = URLEncoder.encode(normalizedFileName, "UTF-8");
        // 可选但规范的步骤：把URLEncoder默认生成的+替换为URL标准的%20
        encodedFileName = encodedFileName.replace("+", "%20");
        
        // 拼接得到正确的URL
        String fullUrl = urlBase + encodedFileName;
        System.out.println(fullUrl); // 输出：http://betatruebaonline.com/img/parte/330/CIGUEN%CC%83AL.JPG
        
        // 接下来就可以用JSoup正常访问了
        // Document document = Jsoup.connect(fullUrl).get();
    } catch (UnsupportedEncodingException | Normalizer.FormNotFoundException e) {
        e.printStackTrace();
    }
}

关键细节说明 #

• Normalizer.normalize方法：Java提供的标准化Unicode字符的工具，Normalizer.Form.NFD就是将合成字符分解为基础字符+组合标记的形式。
• 必须指定URLEncoder.encode的编码为UTF-8：避免不同平台默认编码不一致导致的问题。
• 替换+为%20：因为URLEncoder会把空格编码为+，但URL标准中应该用%20，虽然你的文件名没有空格，但加上这个步骤让代码更健壮。

内容的提问来源于stack exchange，提问作者ppk