JavaWeb - Hutool Bug HttpResponse body 方法中文乱码

快来打我* 2022-08-28 13:58 135阅读 0赞

### 应用代码 ###

HttpResponse httpResponse = ...;
    httpResponse.body();

### body 源码 ###

...
    
    /**
     * 获取响应主体
     * 
     * @return String
     * @throws HttpException 包装IO异常
     */
    public String body() throws HttpException {
    	return HttpUtil.getString(bodyBytes(), this.charset, null == this.charsetFromResponse);
    }
    
    /**
     * 获取响应流字节码<br>
     * 此方法会转为同步模式
     * 
     * @return byte[]
     */
    public byte[] bodyBytes() {
    	sync();
    	return this.bodyBytes;
    }
    
    /**
     * 从流中读取内容<br>
     * 首先尝试使用charset编码读取内容（如果为空默认UTF-8），如果isGetCharsetFromContent为true，则通过正则在正文中获取编码信息，转换为指定编码；
     *
     * @param contentBytes            内容byte数组
     * @param charset                 字符集
     * @param isGetCharsetFromContent 是否从返回内容中获得编码信息
     * @return 内容
     */
    public static String getString(byte[] contentBytes, Charset charset, boolean isGetCharsetFromContent) {
    	if (null == contentBytes) {
    		return null;
    	}
    
    	if (null == charset) {
    		charset = CharsetUtil.CHARSET_UTF_8;
    	}
    	String content = new String(contentBytes, charset);
    	if (isGetCharsetFromContent) {
    		final String charsetInContentStr = ReUtil.get(META_CHARSET_PATTERN, content, 1);
    		if (StrUtil.isNotBlank(charsetInContentStr)) {
    			Charset charsetInContent = null;
    			try {
    				charsetInContent = Charset.forName(charsetInContentStr);
    			} catch (Exception e) {
    				if (StrUtil.containsIgnoreCase(charsetInContentStr, "utf-8") || StrUtil.containsIgnoreCase(charsetInContentStr, "utf8")) {
    					charsetInContent = CharsetUtil.CHARSET_UTF_8;
    				} else if (StrUtil.containsIgnoreCase(charsetInContentStr, "gbk")) {
    					charsetInContent = CharsetUtil.CHARSET_GBK;
    				}
    				// ignore
    			}
    			if (null != charsetInContent && false == charset.equals(charsetInContent)) {
    				content = new String(contentBytes, charsetInContent);
    			}
    		}
    	}
    	return content;
    }
    
    ...

### 该死的代码 ###

final String charsetInContentStr = ReUtil.get(META_CHARSET_PATTERN, content, 1);
    
    /**
     * 正则：匹配meta标签的编码信息
     */
    public static final Pattern META_CHARSET_PATTERN = Pattern.compile("<meta[^>]*?charset\\s*=\\s*['\"]?([a-z0-9-]*)", Pattern.CASE_INSENSITIVE);

貌似在说如果你的内容里有 **charset 关键词**的话就会匹配上，好吧，上一个反例但又是合情合理的业务场景，这个用例中就出现内容里含有这个，但是不能代表说我这个解析就要用这个编码呀！

{"content":"<meta http-equiv=\\\"Content-Type\\\" content=\\\"text/html; charset=utf-8\\\"></meta>"}

### 解决方案 ###

/**
     * byte[] 转 String UTF-8
     * @param content
     */
    public static String parseString(byte[] content) throws UnsupportedEncodingException {
        return new String(content, CharsetNames.UTF_8);
    }