Leer codigo fuente de una URL con la codificación correcta

[juanla]

Hola! Bueno estoy extrayendo un código fuente de una web, el problema que hay 2 partes en la misma web cada una en un idioma, la cuestión es que cuando extraigo la parte española, recibe las típicas Ãi, etc.. en vez de los carácteres correctos (tíldes y ñ's)

El código que uso para leer la url es este:

Código:

public class leerURL {
	private String codigo;
	
	public leerURL(String sitioweb) throws IOException{
		try {
			java.net.URL url = new java.net.URL(sitioweb);
			java.net.URLConnection con = url.openConnection();
			InputStream s = con.getInputStream();
			
			BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(s));
			codigo = "";
			String line = "";
			while((line = bufferedReader.readLine())!=null){
				codigo+=line+"\n";
				//System.out.println(line);
			}
		} catch (java.net.MalformedURLException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
	
	public String getCodigo(){
		return codigo;
	}
}

[chuidiang]

Hola:

Tienes que mirar en la cabecera de la web cual es la codificación de los caracteres (algo como <meta http-equiv="Content-Type" content="text/html; charset=utf-8"> ) y usar ese mismo encoding en el fichero donde vayas a guardar la web o en el sitio en que quieras mostrarla (pantalla, etc).

Se bueno.

[juanla]

He probado algunas cosillas y no consigo hacerlo, lo que estoy haciendo es meter el texto que necesito en un Mapa (extraigo clave,valor) y luego creo una JList con eso, la cosa que cuando recibo el código (el charset de la página es utf-8) hago esto:

Código:

String source = paginaEdiciones.getCodigo();
byte[] b = source.getBytes("UTF-8");
String codigo = new String(b,"UTF-8");

Algunas cosas parecidas he estado probando leyendo por ahí, pero no se como hacerlo de manera que pueda pasar "source" (con los caracteres extraños) a codigo (sin ellos)

Alguna sugerencia?

[chuidiang]

Si source es lo que lees de la página y ya está en String, posiblemente esté mal desde ahí, de hecho, el problema posiblemente esté aquí bufferedReader.readLine() ya que ya lo está convirtiendo a un String con la codificación por defecto de tu sistema. Intenta en vez de leer String, leer los bytes para luego convertirlos a caracter con algo como lo que estás haciendo después.

Se bueno.