我正在从具有以下属性的文本文件中读取数据:
编码:ANSI
文件类型:PC
现在,该文件包含许多特殊字符,如度数符号(º)等。我正在使用以下代码阅读该文件:
File file = new File("C:\X\Y\SpecialCharacter.txt");
BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF-8"));
如果文件编码为ANSI,则上述代码无法正确读取特殊字符。例如,文件中的行:
"小火慢炖,直到产品内部温度达到165ºF",reader.readLine()
将输出:
小火慢炖,直到产品内部温度达到165�F"
当我将文件的编码更改为UTF-8时,该行的读取方式与文件中的相同,而不会弄乱特殊字符。
我的问题是,数据在什么时候被搞砸了?将数据存储在文件中时,还是从文件中读取数据时?在记事本中打开文件时,会正确显示所有特殊字符。这是怎么发生的?
Hexdump输出:
-0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -A -B -C -D -E -F
00000000- 4C 6F 77 65 72 20 68 65 61 74 20 61 6E 64 20 73 [Lower heat and s]
00000001- 69 6D 6D 65 72 20 75 6E 74 69 6C 20 70 72 6F 64 [immer until prod]
00000002- 75 63 74 20 72 65 61 63 68 65 73 20 69 6E 74 65 [uct reaches inte]
00000003- 72 6E 61 6C 20 74 65 6D 70 65 72 61 74 75 72 65 [rnal temperature]
00000004- 20 6F 66 20 31 36 35 BA 46 [ of 165.F ]
"ANSI"不是一个特定的编码-它是整个编码集合。读取文件时需要使用right编码。例如,您完全有可能使用Windows-1252编码,这意味着您可能希望尝试将"Cp1252"作为编码名称。
事实上,您传递的是"UTF-8",不是通常称为ANSI的编码之一。您需要找出文件使用的确切编码,然后在InputStreamReader
参数中指定该编码。
我的问题是,数据在什么时候被搞砸了?将数据存储在文件中时,还是从文件中读取数据时?
假设编码能够表示您感兴趣的所有字符,那么只有当您读取文件时才能进行编码。基本上,当它实际上在另一种编码中时,你试图把它当作一种编码来阅读。Notepad正在执行某种启发式编码检测,或者在这种特殊情况下恰好使用了正确的默认。
new InputStreamReader(new FileInputStream(file), "UTF-8")
用于读取UFT-8
编码的文件:如果您正在读取不同编码的文件(例如Win 1252),则应相应地更改第二个参数。
文本文件在编码方面永远不会"混乱":它以某种编码存储,在读取时应该使用相同的编码,这样系统就可以解释原始字节流,并将每个[组]字节与正确的字符[或Unicode代码点(如果我们使用Unicode)]相关联,以便您能够看到"正确"的字形。
希望这能澄清一点。
干杯