0

我的应用程序设置为支持存储 UTF-8 字符编码。我正在阅读从其他各种组织获得的文件，这些文件可能采用 UTF-8、latin-1、ASCII 等格式。我需要做任何特别的事情来确保将具有各种字符编码的文件读入 UTF-8格式正确吗？例如，我是否需要弄清楚文件的字符编码是什么，并将其显式转换为 UTF-8？

还是以下就足够了？

Reader reader = new InputStreamReader(new FileInputStream("c:/file.txt"), "UTF-8");

4

2 回答 2

6

你错了。您没有读入编码，而是从编码中读取。您作为第二个参数提供的编码InputStreamReader应该是源流（文件）的预期编码。

Reader reader = new InputStreamReader(new FileInputStream("c:/file.txt"), "<encoding_of_file.txt>");

一旦数据在内存中，它总是 UTF-16。当您要写入数据时（假设您总是希望将其写入为 UTF-8），那么您将使用：

Writer writer = new OutputStreamWriter(new FileOutputStream("destfile"), "UTF-8");
于 2013-01-25T02:39:16.080 回答
2

你需要告诉读者文件的编码。

如果您的输入可以采用多种不同的编码，那么您可能会遇到问题：您无法可靠地检测到编码，请参阅如何检测文本文件的编码/代码页

当你想支持不同的编码时，你基本上有三种选择：

  • 将有关编码的信息存储在某处，例如<?xml version="1.0" encoding="UTF-8" ?>XML 文件中。不幸的是，并非所有文件格式（例如“纯文本”文件）都具有此类元数据。
  • “检测”/猜测具有各种启发式的编码。这有时可能会出错。
  • 询问用户。这是糟糕的用户体验，因为大多数用户完全不知道编码是什么。
于 2013-01-25T11:19:52.930 回答