包含日文字符的Java读取文件[重复]

Posted 2023-03-25

【中文标题】包含日文字符的Java读取文件[重复]

【英文标题】：Java reading file containing japanese characters [duplicate]

【发布时间】：2019-11-19 18:12:27

【问题描述】：

我正在尝试读取包含一些日文字符的文件。

RandomAccessFile file = new RandomAccessFile("japanese.txt", "r");
String line;
while ((line = file.readLine()) != null) 
   System.out.println(line);

它返回一些乱码而不是日语。 但是当我转换编码时，它会正确打印。

line = new String(line.getBytes("ISO-8859-1"), "UTF-8");

这是什么意思？文本文件是否采用 ISO-8859-1 编码？

$ file -i japanese.txt 返回以下内容：

japanese.txt: text/plain; charset=utf-8

请解释一下它明确要求文件从拉丁语 1 转换为 UTF-8？

【问题讨论】：

@RuelosJoel 为什么默认不采用 UTF-8？

【参考方案1】：

不，readString 是一种过时的方法，仍然在字符集/编码等之前。它将每个字节转换为高字节 0 的字符。字节 0x85 是行分隔符 (EBCDIC NEL)，如果它是在某些 UTF-8 多字节序列中，则实际行将分为两行。还有一些场景是可行的。

最好使用Files。它有一个 newBufferedReader(path, Charset) 和一个 fixed 默认字符集 UTF-8。

Path path = Paths.get("japanese.txt");
try (BufferedReader file = Files.newBufferedReader(path)) 
    String line;
    while ((line = file.readLine()) != null) 
        System.out.println(line);
    

现在您将阅读正确的字符串。

RandomAccessFile 基本上是用于二进制数据的。

【参考方案2】：

它看起来像是 ISO，但我会尝试使用该编码读取并查看会发生什么。

由于您不进行随机访问，我只需创建一个具有正确编码的 BufferedReader 并使用它：

String charSetName = // either UTF-8 or iso - try both
FileInputStream is = new FileInputStream(fileName);
InputStreamReader isr = new InputStreamReader(is, Charset.forName(charSetName));
BufferedReader reader = new BufferedReader(isr);

while ((line = reader.readLine()) != null) 
    System.out.println(line);