java - 如何读取保存编码的文件？

Question

所以，我有 ISO8859-1 编码的文件。我做下一步:

InputStreamReader isr = new InputStreamReader(new FileInputStream(fileLocation));
System.out.println(isr.getEncoding());

我得到UTF8...看起来FileInputStream或InputStreamReader将其转换为UTF8。

是的，我知道下一种方法:

BufferedReader br = new BufferedReader(
     new InputStreamReader(
     new FileInputStream(fileLocation), "ISO-8859-1");

但我事先不知道我的文件将采用什么编码。

如何读取保存编码的文件？

Answer 1

二进制文件(字节)实际上是这些字节的某种编码中的文本，不幸的是，它们没有将编码(字符集)存储在某处。

有时某处存在编码:Unicode 文本在文件开头可能有一个可选的 BOM 字符。 HTML和XML可以指定字符集。

如果您从互联网下载文件，则标题行中可能会提到字符集。假设它是一个 HTML 文件，并且 Content-Type: text/html; charset=Windows-1251 。然后您可以使用 Windows-1251 读取该文件，并始终将其存储为 UTF-8，修改/添加 <meta charset="UTF-8"> .

但通常没有解决方案来确定某些文件的编码。你可以这样做:

• 读取字节
• 如果可以在多字节序列中无错误地转换为 UTF-8，则它是 UTF-8
• 否则它是单字节编码，默认为 Windows-1252(而不是 ISO-8859-1)
• 也许可以将某些语言的词频表与编码结合使用，然后尝试一下
• 将确定的编码中的字节以 UTF-8 格式写入文件

可能有一个图书馆在做这样的事情；结合语言识别和字符集识别。