我正在处理一个 1 GB 的 JSON 文本文件，我正在尝试使用 Java 对其进行解析。但是，解析器会抛出异常，因为它遇到了生成此异常的字符“ñ”：
异常 UTF-8 起始字节 0x96 无效
我尝试使用 sed 和 perl 删除该字符，但似乎他们无法读取该字符，因此文件保持不变。我想从整个文件中删除该字符或将其替换为任何其他字符或字符串，以便解析工作。
问问题
3332 次
2 回答
5
您的文件未以 UTF-8 编码。
您应该找到编码并使用此编码来读取使用InputStreamReader. 如果需要，然后将其保存为 UTF-8（例如使用 an OutputStreamWriter）。
如果您不知道编码，我建议您使用一些可能的编码进行测试：请参阅Charsets。
于 2012-06-19T16:30:09.283 回答
2
是的，它可能不是 UTF-8，有关如何检查它是什么编码的一些信息，请参见此处：Java : How to determine the correct charset encoding of a stream
最好的答案似乎指向InputStreamReader#getEncoding()
于 2012-06-19T16:31:31.807 回答