Java 读取包含日文字符的文件

Question

我正在尝试读取一个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);
}

它返回了一些乱码而不是日语。但是当我转换编码时，它打印正确。

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 returns 以下：

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

请解释它明确要求文件从 Latin 1 转换为 UTF-8？

Answer 1

它看起来像是 ISO，但我会尝试使用该编码进行阅读，看看会发生什么。

由于您不进行随机访问，我将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);
}

Answer 2

不，readString 是一种过时的方法，仍然在 charsets/encodings 之前。它将每个字节转换为高字节为 0 的 char。字节 0x85 是行分隔符 (EBCDIC NEL)，如果它在某个 UTF-8 多字节序列中，实际行将被分成两行。还有一些场景是可行的。

最佳使用Files。它有一个 newBufferedReader(path, Charset) 和一个固定默认字符集 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 基本上用于二进制数据。

Java 读取包含日文字符的文件

Java reading file containing japanese characters

java

encoding

utf-8

iso-8859-1