我有一个文件,或者我从一个套接字读取;我读取的数据应该是使用给定字符编码进行编码的文本。
但是即使我指定了一个编码,最后证明是错误的,操作还是成功了;而不是任何类型的异常,我在我的文本中得到了很多 �
:/
有没有办法触发失败?
最佳答案
是的。
首先,一些信息:那个讨厌的 �
字符到底是什么?嗯,是Unicode's "replacement character", code point U+FFFD .
现在,你为什么会得到这个?为了解释这一点,我们需要更深入地研究发生的事情......
首先,一个“正式”的定义:字符编码是一个定义字节流和字符流之间的双射的过程;因为它是双射,所以意味着定义了两个操作:编码(将字符流转换为字节流)和解码(将字节流转换为字符流)。
在 Java 中,字符编码包含在 Charset
中。 ;您可以使用 Charset.newEncoder()
获得编码器, 以及使用 Charset.newDecoder()
的解码器.
当然,在解码过程中,也就是这里感兴趣的地方,可能会发生某些字节序列被证明是格式错误的情况,在这种情况下,CharsetDecoder
必须决定什么做...而这种行为取决于CodingErrorAction
,它具有三个值:
REPLACE
(默认!!):用 Unicode 的替换字符替换任何不可映射的序列!IGNORE
:丢弃所有不可映射的序列,不输出任何东西;REPORT
:在无法映射的序列上抛出异常...
现在,为了检测格式错误的输入并抛出错误,我们需要REPORT
它们!
那么,在给定 InputStream
的情况下,我们如何做到这一点?解决方案是使用 InputStreamReader
; it has a constructor allowing you to specify a CharsetDecoder
as an argument .您所要做的就是创建您的解码器!
例如,如果你想确保正确的 UTF-8,你可以这样做:
final CharsetDecoder decoder = StandardCharsets.UTF_8
.newDecoder().onMalformedInput(CodingErrorAction.REPORT);
try (
final InputStreamReader reader = new InputStreamReader(in, decoder);
) {
// read from the reader here
}
此处要捕获的异常是 CharacterCodingException
.请注意,它继承了 IOException
,因此您需要:
try (
...
) {
...
} catch (CharacterCodingException e) {
...
} catch (IOException e) {
...
}
关于java - 如何判断我从网络接收的文本/从文件读取的文本是否使用给定的编码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28138971/