java - 我有一个 htm 文件，我可以将它读取为 UTF-8 格式的文件而不对该文件做任何操作吗

Question

我有一个 htm 文件，我可以在不对文件做任何操作的情况下将其读取为 UTF-8 格式的文件吗？ 该文件以 unicode 格式保存(不确定)我想将其作为 UTF-8 文件读取，否则它会给我一些框。这必须使用 java

FileReader loInput = new FileReader(loFile); 
BufferedReader loBufferReader = new BufferedReader(loInput); 
String loLine; // String that holds current loFile loLine 
int loCount = 0; // Line number of loCount 
loLine = loBufferReader.readLine(); 
loCount++; 
while (loLine != null) { 
    loContent = loContent.concat(loLine); 
    loLine = loBufferReader.readLine(); 
    loCount++; 
} 
loBufferReader.close(); 

我试过了

编辑:我必须从 HTML 文件中获取数据并将其转换为 DOM 对象以供进一步处理

我正在使用

SAXBuilder loSaxBuilder=new SAXBuilder();
            Reader loStringReader=new StringReader(loContent);
            Document loDoc=loSaxBuilder.build(loStringReader);
            XPath loXpath = XPath.newInstance("/Div");
            Element loElement = (Element) loXpath.selectSingleNode(loDoc);

将其转化为dom对象

Answer 1

首先，Unicode 不是一种编码，而是一个编码家族，UTF-8 就是其中之一。

其次，你可以使用类似的东西

Reader in = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF-8"));

然后循环读取in并附加到StringBuilder或CharBuffer，或者写入StringWriter，但使用 IOUtils.toString(InputStream,String) from Apache Commons IO 可能对您来说最简单，我推荐。