java - 读取文件并写入具有 UTF-8 字符的文件（不同的语言）

Question

我有一个字符，例如：“ joh 1：1：ஆதியிலேஇருந்தது，அந்ததேவனிடத்திலிருந்தது，அந்ததேவனாயிருந்தது”。

www.unicode.org/charts/PDF/U0B80.pdf ‎</p>

当我使用以下代码时：

bufferedWriter = new BufferedWriter (new OutputStreamWriter(System.out, "UTF8"));

输出是盒子和其他奇怪的字符，如下所示：

“�P�^����O֛����;�<�aYՠ؛”

任何人都可以帮忙吗？

这些是完整的代码：

File f=new File("E:\\bible.docx");
        Reader decoded=new InputStreamReader(new FileInputStream(f), StandardCharsets.UTF_8);
        bufferedWriter = new BufferedWriter (new OutputStreamWriter(System.out, StandardCharsets.UTF_8));
        char[] buffer = new char[1024];
        int n;
        StringBuilder build=new StringBuilder();
        while(true){
            n=decoded.read(buffer);
            if(n<0){break;}
            build.append(buffer,0,n);
            bufferedWriter.write(buffer);
        }

StringBuilder 值显示 UTF 字符，但在窗口中显示时显示为框。

找到问题的答案！！！编码正确（即 UTF-8） Java 将文件读取为 UTF-8，字符串字符为 UTF-8，问题是在 netbeans 的输出面板中没有字体可以显示。更改输出面板的字体（Netbeans->tools->options->misc->output 选项卡）后，我得到了预期的结果。在 JTextArea 中显示时也是如此（需要更改字体）。但是我们不能更改 windows 的 cmd 提示符的字体。

Answer 1

因为你的输出是用 UTF-8 编码的，但仍然包含替换字符 ( U+FFFD, �)，我相信当你读取数据时会出现问题。

确保您知道输入流使用什么编码，并设置相应的编码InputStreamReader。如果那是泰米尔语，我猜它可能是 UTF-8。我不知道 Java 是否支持 TACE-16。它看起来像这样……

StringBuilder buffer = new StringBuilder();
try (InputStream encoded = ...) {
  Reader decoded = new InputStreamReader(encoded, StandardCharsets.UTF_8);
  char[] buffer = new char[1024];
  while (true) {
    int n = decoded.read(buffer);
    if (n < 0)
      break;
    buffer.append(buffer, 0, n);
  }
}
String verse = buffer.toString();

Answer 2

System.out离操作系统太近，不够通用。在您的情况下，NetBeans 控制台可能正在使用操作系统编码，并且 IDE 选择了字体。

先写入文件。如果您将其设为 HTML，您甚至可以双击它，并在内部指定正确的编码。请注意使用“UTF-8”，因为“UTF8”是 Java 特定的（“UTF-8”也可以在 Java 中使用）。也许与JDesktop.getDesktop().open("... .html");.

带有 JTextPane 的小型 JFrame 也可以。

Answer 3

事实证明，泰米尔语是 16 位编码的，所以只需使用 UTF-16 而不是 UTF-8。通过这样做，我能够在 Eclipse 控制台中打印泰米尔语文本。