java读取UTF-8的txt文件发现开头的一个字符问题

Posted 2020-09-29 xiaoyh0310

今天遇到一个奇葩问题，在读取一个TXT文件时，出现开头多了一个问号（？）。如下图：

莫名奇妙的多了一个。最后通过网上资料，知道在Java中，class文件采用utf8的编码方式，JVM运行时采用utf16。Java的字符串是永远都是unicode的，采用的是UTF-16的编码方式。

想测试一下，java对UTF-8文件的读写的能力，结果发现了一个很郁闷的问题，如果通过java写的UTF-8文件，使用Java可以正确的读，但是如果用记事本将相同的内容使用UTF-8格式保存，则在使用程序读取是会从文件中多读出一个不可见字符。

测试代码如下：

Java代码  

1. import java.io.BufferedReader;  
2. import java.io.File;  
3. import java.io.FileInputStream;  
4. import java.io.IOException;  
5. import java.io.InputStreamReader;  
6.   
7.   
8. public class UTF8Test {  
9.     public static void main(String[] args) throws IOException {  
10.         File f  = new File("./utf.txt");  
11.         FileInputStream in = new FileInputStream(f);  
12.         // 指定读取文件时以UTF-8的格式读取  
13.         BufferedReader br = new BufferedReader(new InputStreamReader(in, "UTF-8"));  
14.           
15.         String line = br.readLine();  
16.         while(line != null)  
17.         {  
18.             System.out.println(line);  
19.             line = br.readLine();  
20.         }  
21.     }  
22. }  

utf.txt通过记事本创建，另存时使用指定utf-8编码，其内容为：

引用

This is the first line.
This is second line.

正常的测试结果应该是直接输出utf.txt的文本内容。可是实际上却输出了下面的内容：

引用

?This is the first line.
This is second line.

第一行多出了一个问号。
通过上面的几篇文章应该可以想到是Java读取BOM（Byte Order　Mark）的问题，在使用UTF-8时，可以在文件的开始使用3个字节的"EF BB BF"来标识文件使用了UTF-8的编码，当然也可以不用这个3个字节。
上面的问题应该就是因为对开头3个字节的读取导致的。开始不太相信这个是JDK的Bug，后来在多次试验后，问题依然存在，就又狗狗了一下，果然找到一个如下的Bug:
不过在我关掉的一些页面中记得有篇文件说这个bug只在jdk1.5及之前的版本才有，说是1.6已经解决了，从目前来看1.6只是解决了读取带有BOM文件失败的问题，还是不能区别处理有BOM和无BOM的UTF-8编码的文件，从Bug ID:4508058里的描述可以看出，这个问题将作为一个不会修改的问题关闭，对于BOM编码的识别将由应用程序自己来处理，原因可从另处一个bug处查看到，因为Unicode对于BOM的编码的规定可能发生变化。也就是说对于一个UTF-8的文件，应用程序需要知道这个文件有没有写BOM，然后自己决定处理BOM的方式。

解决办法：

1.保存时，选择

2.引用正确的读取类，比如我用的就是：org.apache.commons.io.FileUtils.readFileToString(new File(file), encoding);

ps：贴一下读取的工具类源码：

 1 /**
 2      * 读入文件到字串中
 3      *
 4      * @param file 需要读取的文件路径
 5      * @return 读取的文件内容，若读入失败，则返回空字串
 6      */
 7     public static String readFileToString(String file, String encoding)
 8     {
 9         try
10         {
11             if (StringHelper.isEmpty(encoding))
12             {
13                 encoding = "GBK";
14             }
15             String content = org.apache.commons.io.FileUtils.readFileToString(new File(file), encoding);
16             return content;
17         }
18         catch (IOException ex)
19         {
20             logger.error("读取文件出错", ex);
21         }
22         return "";
23     }

注意两点都要过一下，希望有用。