java - 如果您的输入文件包含一些不受支持的字符会怎样？

Question

我有这个文本文件，它可能在 Latin1 字符集中包含一些不受支持的字符，这是我的 JVM 的默认字符集。

当我的 java 程序尝试从文件中读取时，这些字符会变成什么？具体来说，假设我在文件中有一个 2 字节长的字符，它是否会被读取为一个字节字符（因为 Latin1 中的每个字符只有 1 字节长）？

谢谢，

Answer 1

我不能使用 InputStreaReader 选项，因为必须使用 Latin1 读取文件。

和

我有这个文本文件，其中可能包含 Latin1 字符集中一些不受支持的字符...

你在这里有矛盾的要求。

该文件要么是 LATIN-1（并且没有“不支持的字符”），要么不是 LATIN-1。如果它不是 LATIN-1，您应该尝试找出它真正的字符集/编码，并使用那个而不是 LATIN-1 来读取文件。

正如其他答案/评论所解释的那样，您可以更改 JVM 的默认字符集，也可以在打开Reader.

我无法设置 JVM 的默认字符集。

请解释您正在尝试什么以及遇到什么问题。

（而且有点害怕搞砸！）

懦夫！:-)

---

FWIW - 如果您尝试读取（例如）LATIN-1 中的数据流，而数据流实际上不在 LATIN-1 中，那么您可以预期以下内容：

• 在 LATIN-1 和实际字符集中编码相同的字符将被完好无损地传递。
• 编码不同的字符将被替换为表示“未知字符”（例如问号）的字符，或者会出现乱码。发生哪种情况取决于该字节或字节序列是否编码有效（但错误）字符，或者根本没有字符。

最终结果将是部分乱码文本。乱码可能是可逆的，也可能不是可逆的，具体取决于真正的字符集和字符是什么。但最好避免“去那里”……首先使用 RIGHT 字符集进行解码。

Answer 2

首先，您可以指定读取文件时要使用的字符集。参见例如：java.io.InputStreamReader

第二。是的，如果使用 1 字节字符集读取，则每个字节将用于映射到一个字符。

第三：测试它，你将毫无疑问地看到实际发生了什么！

Answer 3

如果您不知道字符集，您将不得不猜测它。这是棘手且容易出错的。

这是一个关于这个问题的问题： 如何检测文本文件的编码/代码页

看看如何欺骗记事本猜错。