读取文件流时,经常会遇到乱码的现象,造成乱码的原因当然不可能是一个,这里主要介绍因为文件编码格式而导致的乱码的问题。首先,明确一点,文本文件与二进制文件的概念与差异。
文本文件是基于字符编码的文件,常见的编码有ASCII编码,UNICODE编码、ANSI编码等等。二进制文件是基于值编码的文件,你可以根据具体应用,指定某个值是什么意思(这样一个过程,可以看作是自定义编码。)
因此可以看出文本文件基本上是定长编码的(也有非定长的编码如UTF-8)。而二进制文件可看成是变长编码的,因为是值编码嘛,多少个比特代表一个值,完全由你决定。
对于二进制文件,是千万不能使用字符串的,因为字符串默认初始化时会使用系统默认编码,然而,二进制文件因为自定义编码自然与固定格式的编码会有所冲突,所以对于二进制的文件只能采用字节流读取、操作、写入。
对于文本文件,因为编码固定,所以只要在读取文件之前,采用文件自身的编码格式解析文件,然后获取字节,再然后,通过指定格式初始化字符串,那么得到的文本是不会乱码的。虽然,二进制文件也可以获取到它的文本编码格式,但是那是不准确的,所以不能同日而语。
具体操作如下:
1)获取文本文件的格式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
|
public static String getFileEncode(String path) { String charset = "asci" ; byte [] first3Bytes = new byte [ 3 ]; BufferedInputStream bis = null ; try { boolean checked = false ; bis = new BufferedInputStream( new FileInputStream(path)); bis.mark( 0 ); int read = bis.read(first3Bytes, 0 , 3 ); if (read == - 1 ) return charset; if (first3Bytes[ 0 ] == ( byte ) 0xFF && first3Bytes[ 1 ] == ( byte ) 0xFE ) { charset = "Unicode" ; //UTF-16LE checked = true ; } else if (first3Bytes[ 0 ] == ( byte ) 0xFE && first3Bytes[ 1 ] == ( byte ) 0xFF ) { charset = "Unicode" ; //UTF-16BE checked = true ; } else if (first3Bytes[ 0 ] == ( byte ) 0xEF && first3Bytes[ 1 ] == ( byte ) 0xBB && first3Bytes[ 2 ] == ( byte ) 0xBF ) { charset = "UTF8" ; checked = true ; } bis.reset(); if (!checked) { int len = 0 ; int loc = 0 ; while ((read = bis.read()) != - 1 ) { loc++; if (read >= 0xF0 ) break ; if ( 0x80 <= read && read <= 0xBF ) //单独出现BF以下的,也算是GBK break ; if ( 0xC0 <= read && read <= 0xDF ) { read = bis.read(); if ( 0x80 <= read && read <= 0xBF ) //双字节 (0xC0 - 0xDF) (0x80 - 0xBF),也可能在GB编码内 continue ; else break ; } else if ( 0xE0 <= read && read <= 0xEF ) { //也有可能出错,但是几率较小 read = bis.read(); if ( 0x80 <= read && read <= 0xBF ) { read = bis.read(); if ( 0x80 <= read && read <= 0xBF ) { charset = "UTF-8" ; break ; } else break ; } else break ; } } //TextLogger.getLogger().info(loc + " " + Integer.toHexString(read)); } } catch (Exception e) { e.printStackTrace(); } finally { if (bis != null ) { try { bis.close(); } catch (IOException ex) { } } } return charset; } private static String getEncode( int flag1, int flag2, int flag3) { String encode= "" ; // txt文件的开头会多出几个字节,分别是FF、FE(Unicode), // FE、FF(Unicode big endian),EF、BB、BF(UTF-8) if (flag1 == 255 && flag2 == 254 ) { encode= "Unicode" ; } else if (flag1 == 254 && flag2 == 255 ) { encode= "UTF-16" ; } else if (flag1 == 239 && flag2 == 187 && flag3 == 191 ) { encode= "UTF8" ; } else { encode= "asci" ; // ASCII码 } return encode; } |
2)通过文件的编码格式读取文件流
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/** * 通过路径获取文件的内容,这个方法因为用到了字符串作为载体,为了正确读取文件(不乱码),只能读取文本文件,安全方法! */ public static String readFile(String path){ String data = null ; // 判断文件是否存在 File file = new File(path); if (!file.exists()){ return data; } // 获取文件编码格式 String code = FileEncode.getFileEncode(path); InputStreamReader isr = null ; try { // 根据编码格式解析文件 if ( "asci" .equals(code)){ // 这里采用GBK编码,而不用环境编码格式,因为环境默认编码不等于操作系统编码 // code = System.getProperty("file.encoding"); code = "GBK" ; } isr = new InputStreamReader( new FileInputStream(file),code); // 读取文件内容 int length = - 1 ; char [] buffer = new char [ 1024 ]; StringBuffer sb = new StringBuffer(); while ((length = isr.read(buffer, 0 , 1024 ) ) != - 1 ){ sb.append(buffer, 0 ,length); } data = new String(sb); } catch (Exception e){ e.printStackTrace(); log.info( "getFile IO Exception:" +e.getMessage()); } finally { try { if (isr != null ){ isr.close(); } } catch (IOException e) { e.printStackTrace(); log.info( "getFile IO Exception:" +e.getMessage()); } } return data; } |
3)通过文件指定的格式写入文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/** * 按照指定的路径和编码格式保存文件内容,这个方法因为用到了字符串作为载体,为了正确写入文件(不乱码),只能写入文本内容,安全方法 * * @param data * 将要写入到文件中的字节数据 * @param path * 文件路径,包含文件名 * @return boolean * 当写入完毕时返回true; */ public static boolean writeFile( byte data[], String path , String code){ boolean flag = true ; OutputStreamWriter osw = null ; try { File file = new File(path); if (!file.exists()){ file = new File(file.getParent()); if (!file.exists()){ file.mkdirs(); } } if ( "asci" .equals(code)){ code = "GBK" ; } osw = new OutputStreamWriter( new FileOutputStream(path),code); osw.write( new String(data,code)); osw.flush(); } catch (Exception e){ e.printStackTrace(); log.info( "toFile IO Exception:" +e.getMessage()); flag = false ; } finally { try { if (osw != null ){ osw.close(); } } catch (IOException e){ e.printStackTrace(); log.info( "toFile IO Exception:" +e.getMessage()); flag = false ; } } return flag; } |
4)对于二进制文件而且内容很少的,例如Word文档等,可以使用如下方式读取、写入文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
/** * 从指定路径读取文件到字节数组中,对于一些非文本格式的内容可以选用这个方法 * 457364578634785634534 * @param path * 文件路径,包含文件名 * @return byte[] * 文件字节数组 * */ public static byte [] getFile(String path) throws IOException { FileInputStream stream= new FileInputStream(path); int size=stream.available(); byte data[]= new byte [size]; stream.read(data); stream.close(); stream= null ; return data; } /** * 把字节内容写入到对应的文件,对于一些非文本的文件可以采用这个方法。 * @param data * 将要写入到文件中的字节数据 * @param path * 文件路径,包含文件名 * @return boolean isOK 当写入完毕时返回true; * @throws Exception */ public static boolean toFile( byte data[], String path) throws Exception { FileOutputStream out= new FileOutputStream(path); out.write(data); out.flush(); out.close(); out= null ; return true ; } |
以上就是本文的全部内容,希望对大家的学习有所帮助。