读取页面后输出到文件，解决乱码问题

大家可能都用过httpclient来读取网页内容，首先它是默认用iso-8859-1编码读取的，如果要正常输出要先按照页面设置的如charset="UTF-8"中的utf-8编码输出

才不会出现乱码，关于如何拿到这个编码。这个网上有一个很好的解决方法，因为这个是英文的，即使乱码了，charset也可以正常出来，第一次先忽略掉乱码问题

用正则表达式拿到charset的值，第二次再转换到输出文本，输出乱码问题就解决 了。

但是有一个新的问题就是，通过自己读取保存的html访问的话会出现两个 问题：

1.页面的css和js可能会失效，超链接也会失效

2.打开页面会出现乱码问题

解决方法：

1,在第二次输出页面之前用正则表达式把所有的href,src的相对路径的全部加上http://。。的远程地址

2.这个乱码问题是服务器编码和页面编码不一致导致的，即时按页面的格式输出，访问时还会乱的，用httpclient的时有些是拿不到head头的内容

   我用的方法是把所有的meta去掉，然后乱码问题就解决了，也不算什么好的方法。