读取任何具有奇怪编码的文本文件？答案

【问题标题】：Reading any text file having strange encoding?读取任何具有奇怪编码的文本文件？
【发布时间】：2013-03-19 22:26:36
【问题描述】：

我有一个带有奇怪编码“UCS-2 Little Endian”的文本文件，我想使用 Java 读取它的内容。

正如您在上面的屏幕截图中看到的，文件内容在 Notepad++ 中看起来很好，但是当我使用此代码阅读它时，控制台中只会打印垃圾：

String textFilePath = "c:\strange_file_encoding.txt"
BufferedReader reader = new BufferedReader( new InputStreamReader( new FileInputStream( filePath ), "UTF8" ) );
String line = "";

while ( ( line = reader.readLine() ) != null ) {
    System.out.println( line );  // Prints garbage characters 
}

重点是用户选择要读取的文件，因此它可以是任何编码，并且由于我无法检测到文件编码，我使用“UTF8”对其进行解码，但如上例所示，它无法没看错。

有没有办法以正确的方式读取这些奇怪的文件？或者至少我可以检测我的代码是否无法正确读取？

【问题讨论】：

标签： java text-files bufferedreader fileinputstream

【解决方案1】：

您在 InputStreamReader 构造函数中使用 UTF-8 作为编码，因此它将尝试将字节解释为 UTF-8 而不是 UCS-LE。这是文档：Charset

我想你需要根据它使用UTF-16LE。

以下是有关支持的字符集及其 Java 名称的更多信息： Supported Encodings

【讨论】：

非常感谢。如我的问题所述，主要问题是这不是唯一使用的文本文件。用户选择要读取的文件，它可以有任何编码，那么“UTF-16LE”会读取任何编码的文本文件吗？
没有万无一失的方法，但试一试：juniversalchardet

【解决方案2】：

您在 InputStreamReader 中提供了错误的编码。如果 UTF8，您是否尝试过使用 UTF-16LE 代替？

BufferedReader reader = new BufferedReader( new InputStreamReader( new FileInputStream( filePath ), "UTF-16LE" ) );

根据Charset：

UTF-16LE 十六位 UCS 转换格式，小端字节顺序

【讨论】：

【解决方案3】：

您不能对所有文件都使用 UTF-8 编码，尤其是在您不知道应该采用哪种文件编码的情况下。使用可以在读取文件之前检测文件编码的库，例如：juniversalchardet 或 jChardet

欲了解更多信息，请参阅Java : How to determine the correct charset encoding of a stream

【讨论】：

这个。如果您不知道字符集，则必须尝试检测它。 ICU4J 是另一个您可以尝试的库。