Java解析UTF8

Question

我对结构如下的 UTF8 文件有以下问题:

FIELD1§FIELD2§FIELD3§FIELD4

查看它使用 A7 编码 § 的文件的十六进制值。所以根据这个编码应该是UTF8，但是很奇怪因为A7 > 7F 所以1个字节应该不足以编码§。

所以我尝试直接使用具有指定字符集的 BufferedReader:

BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(input), utf8))

但是当我尝试用

标记字符串时

SmartTokenizer st = new SmartTokenizer(toTokenize, "§")

(SmartTokenizer 是保留空标记的 StringTokenizer 的修改版本)

没有 split 发生，如果我尝试打印我获得的字符串

FIELD1?FIELD2?FIELD3?...

因此文件中使用的 § 与指定为分隔符的不同，它也无法打印出来。

那么这里有什么问题呢？也许原始文件应该使用 2 个字节来存储 §？

Answer 1

§的UTF-8编码为0xC2 0xA7。

如果该文件使用A7 来表示§，那么它可能写在ISO-8859-1 中。 (或另一个 ISO-8859-* 或其衍生物)。