Java FileReader kodlama sorunu

Bazı metin dosyalarını okumak ve bir dizeye dönüştürmek için java.io.FileReader'ı kullanmayı denedim, ancak sonucun yanlış kodlandığını ve hiç okunamaz olduğunu buldum.

İşte ortamım:

• Windows 2003, işletim sistemi kodlaması: CP1252

• Java 5.0

Dosyalarım UTF-8 kodlu veya CP1252 kodlu ve bazıları (UTF-8 kodlu dosyalar) Çince (Latin olmayan) karakterler içerebilir.

İşimi yapmak için aşağıdaki kodu kullanıyorum:

   private static String readFileAsString(String filePath)
    throws java.io.IOException{
        StringBuffer fileData = new StringBuffer(1000);
        FileReader reader = new FileReader(filePath);
        //System.out.println(reader.getEncoding());
        BufferedReader reader = new BufferedReader(reader);
        char[] buf = new char[1024];
        int numRead=0;
        while((numRead=reader.read(buf)) != -1){
            String readData = String.valueOf(buf, 0, numRead);
            fileData.append(readData);
            buf = new char[1024];
        }
        reader.close();
        return fileData.toString();
    }

Yukarıdaki kod çalışmıyor. Metin UTF-8 kodlu olsa bile Dosya Okuyucunun kodlamasının CP1252 olduğunu buldum. Ancak java.io.FileReader'ın JavaDoc'u şunu söylüyor:

Bu sınıfın yapıcıları, varsayılan karakter kodlamasının ve varsayılan bayt arabellek boyutunun uygun olduğunu varsayar.

Bu, FileReader kullanıyorsam karakter kodlamasını kendim ayarlamam gerekmediği anlamına mı geliyor? Ama şu anda yanlış kodlanmış veriler aldım, durumumla başa çıkmanın doğru yolu nedir? Teşekkürler.

Evet, okumak istediğiniz dosyanın kodlamasını belirtmeniz gerekiyor .

Evet, bu araçlar size zorunda biliyorum Okumak istediğiniz dosyanın kodlamasını.

Hayır, herhangi bir "düz metin" dosyasının kodlamasını tahmin etmenin genel bir yolu yoktur .

Tek bağımsız değişkenli yapıcılarFileReader her zaman platform varsayılan kodlamasını kullanır ve bu genellikle kötü bir fikirdir .

Java 11 FileReaderayrıca bir kodlamayı kabul eden kurucular kazandığından: new FileReader(file, charset)ve new FileReader(fileName, charset).

Java'nın önceki sürümlerinde kullanmanız gerekir .new InputStreamReader(new FileInputStream(pathToFile), <encoding>)

FileReader Java'nın, üzerinde çalıştığı bilgisayarın sistem ayarlarına bağlı olan ve genellikle o yerel ayardaki kullanıcılar arasında en popüler kodlama olan platform varsayılan kodlamasını kullanır.

Bu "en iyi tahmin" doğru değilse, kodlamayı açıkça belirtmeniz gerekir. Ne yazık ki FileReaderbuna izin vermiyor (API'de büyük gözetim). Bunun yerine, new InputStreamReader(new FileInputStream(filePath), encoding)kodlamayı dosya hakkındaki meta verilerden kullanmanız ve ideal olarak almanız gerekir.

Java 11'den beri şunları kullanabilirsiniz:

public FileReader(String fileName, Charset charset) throws IOException;

Java 7+ dokümanı için şunu kullanabilirsiniz:

BufferedReader reader = Files.newBufferedReader(path, StandardCharsets.UTF_8);

İşte bütün Charsets olan doc

Örneğin, dosyanız CP1252'de ise bu yöntemi kullanın

Charset.forName("windows-1252");

Hem IO hem de NIO doc için Java kodlamaları için diğer kanonik isimler.

Bir dosyada sahip olduğunuzu tam olarak kodlamayı bilmiyorsanız, Google'ın bu aracı gibi oldukça düzgün çalışan bazı üçüncü taraf kitaplarını kullanabilirsiniz .

InputStreamReader ile FileInputStream, FileReader'ı doğrudan kullanmaktan daha iyidir, çünkü ikincisi kodlama karakter kümesini belirlemenize izin vermez.

Bir dosyadan satırları okuyabilmeniz için BufferedReader, FileInputStream ve InputStreamReader'ın birlikte kullanıldığı bir örnek aşağıda verilmiştir.

List<String> words = new ArrayList<>();
List<String> meanings = new ArrayList<>();
public void readAll( ) throws IOException{
    String fileName = "College_Grade4.txt";
    String charset = "UTF-8";
    BufferedReader reader = new BufferedReader(
        new InputStreamReader(
            new FileInputStream(fileName), charset)); 

    String line; 
    while ((line = reader.readLine()) != null) { 
        line = line.trim();
        if( line.length() == 0 ) continue;
        int idx = line.indexOf("\t");
        words.add( line.substring(0, idx ));
        meanings.add( line.substring(idx+1));
    } 
    reader.close();
}

Bir başkası için Latin dilleri, örneğin Kiril alfabesi şöyle bir şey kullanabilirsiniz:

FileReader fr = new FileReader("src/text.txt", StandardCharsets.UTF_8);

ve .txtdosyanızın UTF-8(varsayılan olarak değil ANSI) formatta kaydedildiğinden emin olun . Şerefe!