java.util.Scanner 读取不同字符编码的文件

Question

我Java用来阅读文件列表。其中一些具有不同的编码，ANSI而不是UTF-8. java.util.Scanner无法读取这些文件并获得空输出字符串。我尝试了另一种方法：

                FileInputStream fis = new FileInputStream(my_file);
                BufferedReader br = new BufferedReader(new InputStreamReader(fis));
                InputStreamReader isr = new InputStreamReader(fis);
                isr.getEncoding();

我不确定如何更改字符编码以防万一ANSI。UTF-8 和 ANSI 文件混合在同一文件夹中。为此，我尝试使用 Apache Tika。获得文件编码后，我使用Scanner，但输出为空。

Scanner scanner = new Scanner(my_file, detector.getCharset().toString());
line = scanner.nextLine();

Answer 1

你的方法不会给你正确的编码。

 FileInputStream fis = new FileInputStream(my_file);
 BufferedReader br = new BufferedReader(new InputStreamReader(fis));
 InputStreamReader isr = new InputStreamReader(fis);
 isr.getEncoding();

这将返回此 InputStream 使用的编码（读取javadoc），而不是文件中写入的字符（在您的情况下为 my_file ）。如果编码错误，扫描仪将无法正确读取文件。

事实上，如果我错了，请纠正我，没有办法以 100% 的准确率对特定文件使用编码。很少有项目在猜测编码方面有更好的成功率，但不是 100% 的准确率。另一方面，如果您知道所使用的编码，那么您可以使用以下方式读取文件：

Scanner scanner = new Scanner(my_file, "charset");
scanner.nextLine();

另外，找出 java 中用于 ANSI 的正确字符集名称。它是 US-ASCII 或 Cp1251。

无论您走哪条路，都要留意任何可能为您指明正确方向的IOException 。