使用 Java 扫描器读取文件

Posted 2023-02-26

【中文标题】使用 Java 扫描器读取文件

【英文标题】：Reading a file using Java scanner

【发布时间】：2011-04-20 22:21:26

【问题描述】：

我试图理解的 java 文件中的一行如下。

return new Scanner(file).useDelimiter("\\Z").next();

根据 java.util.regex.Pattern 文档，该文件预计将返回“输入的结尾，但对于最终终止符，如果有的话”。但发生的情况是它只返回文件中的前 1024 个字符。这是正则表达式模式匹配器施加的限制吗？这可以克服吗？目前我正在使用文件阅读器。但我想知道这种行为的原因。

【问题讨论】：

永远不要使用扫描仪！真的，你会遇到很多麻烦。

@Martijn Courteaux - 愿意提供哪怕是最轻微的提示，说明 Scanner 为何不好？

【参考方案1】：

我自己，我无法重现这个。但我想我可以弄清楚发生了什么。

在内部，扫描程序使用 1024 个字符的字符缓冲区。如果可能，扫描程序会默认读取您的可读 1024 个字符，然后应用该模式。

问题出在您的模式中...它将始终匹配输入的结尾，但这并不意味着您的输入流/数据的结尾。当 Java 将您的模式应用于缓冲数据时，它会尝试查找第一次出现的输入结尾。由于缓冲区中有 1024 个字符，匹配引擎将位置 1024 称为分隔符的第一个匹配项，并将其之前的所有内容作为第一个标记返回。

出于这个原因，我认为输入结束锚点不适用于扫描仪。毕竟，它可能是从无限流中读取的。

【讨论】：

嗨，马克，我认为这是扫描仪无法工作的正确原因。我投票赞成答案。让它工作的方法是标记正确的方法。谢谢你的回答。

【参考方案2】：

尝试将file 对象包装在FileInputStream 中

【讨论】：

您能否edit 解释为什么这会有所帮助，以及潜在的问题是什么？就目前而言，这只不过是一条评论。

【参考方案3】：

Scanner 旨在从文件中读取多个原语。它真的不打算读取整个文件。

如果您不想包含第三方库，则最好循环遍历 BufferedReader，该FileReader/InputStreamReader 用于文本，或者循环遍历 FileInputStream 用于二进制数据。

如果您可以使用第三方库，Apache commons-io 有一个 FileUtils 类，其中包含静态方法 readFileToString 和 readLines 用于文本，readFileToByteArray 用于二进制数据。

【参考方案4】：

您可以使用 Scanner 类，只需在打开扫描仪时指定一个字符集，即：

Scanner sc = new Scanner(file, "ISO-8859-1");

Java 使用指定的字符集将从文件中读取的字节转换为字符，如果没有给出 (source)，这是默认字符集（来自底层操作系统）。我仍然不清楚为什么 Scanner 只读取 1024 字节的默认字节，而另一个它到达文件的末尾。无论如何，它工作正常！