文字コードを変換する

質問

//このプログラムは、指定されたURLのソースを読むプログラムです。

import java.io.*; //入出力のAPIを実装するのに用います。
import java.net.*; //ネットワークに関するAPIを実相するのに用います。
import java.lang.*;

class rss
{
public static void main(String args[])
{

BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
try{
System.out.println("読み込みたいRSSのURIを入力してください。");

String address = br.readLine(); //URLを標準入力から読み込みます。

URL url = new URL(address);

InputStream uin = url.openStream();
BufferedReader in = new BufferedReader(new InputStreamReader(uin));
String source; //ソースファイル一行を格納する文字列変数です。

//指定したURLのソースファイル標準出力します。

while((source = in.readLine()) != null ){

System.out.println(source);

}
}

catch(IOException e){
System.out.println("ソースを読みこめませんでした。");
}

}
}

というプログラムを作ったのですが、
一部のソースファイルが文字化けを起こします。
そのソースがどの文字コードでできているか？
そして、それをどうやったら変換したらいいかを
教えてほしいのです。
お願いします。

回答No.3

kyrsche · ベストアンサー

URLに正規表現を使ってアクセス対象を指定することは恐らく出来ないでしょう。

正規表現は、ある文字列が「条件に適合するか」どうかを判断しますので、
どんなデータがあるか分からない文字列を自動的に生成することは出来ません。

と、一般的なことはそうなのですが、RSSがどうかわちょっと分かりません。
＃最新ニュースを公開してくれるフォーマットでしたっけ？＞RSS

話はズレますが、インターネットは公開原則とはいえ、リンクで繋がっている
情報しか見えません。リンクされていない情報は公開できる場所にありますが、
非公開前提だと思います。ですので、サイトのトップページから得られる
サイト情報(HTML)に書かれているリンクから辿れない情報をを総ざらえする
やり方は、やっぱりよくないと思います(仕組み上、あって欲しくない)。
＃検索サイトのキャッシュなど、仕組み上、仕方の無い箇所もありますが…。

ということで、私が取り組むとしたら、HTMLを地道に解析して、必要な情報を引っ張り出します。
＃といっても、取りたい情報は無い…のですが、今のところ(^_^;
＃XMLパーサっぽいプログラムを組みます。パーサ自体を工夫して使っても良いと思いますよ。

お礼

ありがとうございます
。ＸＭＬパーサですか。
別の方法を考えてみようかと思います。

回答No.2

kyrsche

多分、HTTP応答の中に文字コードを示すヘッダがあるはずですが・・・。
(ContentTypeだったかな・・・、具体的には忘れました(^_^;;)
でなければ、HTMLの中にある文字コードで判断。
METAタグで書いてあるはずです。
(こちらも失念(>_<。確か、METAタグの中に"charset=Shift_JIS"なんて記述があるかと)

後は、実際の文字コードはReaderやStreamの内容を見てからじゃないと
分かりませんが、URLでだいたいの予想は付きます。
URLにチルダ(~)が入っていればEUCで
入ってなければShift_JIS。
(結構古い話なので、今はどうか分かりませんが・・・)

お礼

ありがとうございます。

補足

あと、質問なのですが、
引数に正規表現を用いる事はできますか？
Javaのパッケージに正規表現があることはわかったの
ですが、よくわかりません。
指定するURLをたとえば
http://www.yahoo.co.jp/だけでなく。
それより下のディレクトリにある。
htmlのソースファイルも読みたいのですが、
お願いします。

回答No.1

chi-kon

Readerでよむからじゃないですか？
Streamのままもってくれば。。。