java - 随机访问文件和 UTF 8 行

Question

我使用 RandomAccessFile 对象来读取 UTF-8 法语文件。我使用 readLine 方法。

我的 Groovy 代码如下:

while ((line = randomAccess.readLine())) {
    def utfLine = new String(line.getBytes('UTF-8'), 'UTF-8')
    ++count
    long nextRecordPos = randomAccess.getFilePointer()

    compareNextRecords(utfLine, randomAccess)

    randomAccess.seek(nextRecordPos)
}

我的问题是 utfLine 和 line 是相同的:重音字符保持像 é 而不是 é。未进行任何转换。

Answer 1

首先，这行代码绝对没有执行任何操作。数据是一样的。删除它:

def utfLine = new String(line.getBytes('UTF-8'), 'UTF-8')

根据 Javadoc，RandomAccessFile.readLine()不知道字符编码。它读取字节直到遇到“\r”或“\n”或“\r\n”。 ASCII 字节值以正常方式放入返回的字符串中。但是 128 到 255 之间的字节值会按字面意思放入字符串中，而不会将其解释为字符编码(或者您可以说这是原始/逐字编码)。

没有方法或构造函数可以在 RandomAccessFile 中设置字符编码。但使用 readLine() 仍然很有值(value)，因为它负责解析换行序列并分配内存。

在您的情况下，最简单的解决方案是通过反转 readLine() 的操作来手动将假“行”转换为字节，然后在了解字符编码的情况下将字节解码为真实字符串。我不知道如何用 Groovy 编写代码，所以我用 Java 给出答案:

String fakeLine = randomAccess.readLine();
byte[] bytes = new byte[fakeLine.length()];
for (int i = 0; i < fakeLine.length(); i++)
    bytes[i] = (byte)fakeLine.charAt(i);
String realLine = new String(bytes, "UTF-8");