Java FileReader编码问题

Question

我试图使用java.io.FileReader读取一些文本文件并将它们转换为字符串,但我发现结果编码错误,根本不可读.

这是我的环境:

• Windows 2003,操作系统编码:CP1252

• Java 5.0

我的文件是UTF-8编码或CP1252编码,其中一些(UTF-8编码文件)可能包含中文(非拉丁文)字符.

我使用以下代码来完成我的工作:

   private static String readFileAsString(String filePath)
    throws java.io.IOException{
        StringBuffer fileData = new StringBuffer(1000);
        FileReader reader = new FileReader(filePath);
        //System.out.println(reader.getEncoding());
        BufferedReader reader = new BufferedReader(reader);
        char[] buf = new char[1024];
        int numRead=0;
        while((numRead=reader.read(buf)) != -1){
            String readData = String.valueOf(buf, 0, numRead);
            fileData.append(readData);
            buf = new char[1024];
        }
        reader.close();
        return fileData.toString();
    }

上面的代码不起作用.我发现即使文本是UTF-8编码,FileReader的编码也是CP1252.但是java.io.FileReader的JavaDoc说:

此类的构造函数假定默认字符编码和默认字节缓冲区大小是适当的.

这是否意味着如果我使用FileReader,我不需要自己设置字符编码？但我目前确实得到了错误的编码数据,处理我的问题的正确方法是什么？谢谢.

Answer 1

是的,您需要指定要读取的文件的编码.

是的,这意味着您必须知道要读取的文件的编码.

不,没有通用的方法来猜测任何给定"纯文本"文件的编码.

FileReader始终使用平台默认编码的构造函数通常是一个坏主意.

而不是FileReader,你需要使用.new InputStreamReader(new FileInputStream(pathToFile), <encoding>)

Answer 2

FileReader 使用Java的平台默认编码,这取决于它运行的计算机的系统设置,并且通常是该区域设置中用户中最常用的编码.

如果这个"最佳猜测"不正确,那么你必须明确指定编码.不幸的是,FileReader不允许这样(API中的主要疏忽).相反,您必须使用new InputStreamReader(new FileInputStream(filePath), encoding)并理想地从文件的元数据中获取编码.

Answer 3

对于 Java 7+文档，您可以使用：

BufferedReader reader = Files.newBufferedReader(path, StandardCharsets.UTF_8);

这是所有字符集文档

例如，如果您的文件在 CP1252 中，请使用此方法

Charset.forName("windows-1252");

这是 IO 和 NIO文档的Java 编码的其他规范名称

如果你不知道你在文件中得到的确切编码，你可以使用一些第三方库，比如来自谷歌的这个工具，它工作得相当整洁。

Answer 4

从Java 11开始，您可以使用：

public FileReader(String fileName, Charset charset) throws IOException;