编码为UCS-2的文件Little Endian向Java报告的线路数量太多

Question

我正在用一个简单的Java程序处理几个txt文件，我的过程的第一步是计算每个文件的行：

int count = 0;
br = new BufferedReader(new FileReader(myFile)); // myFile is the txt file in question
while (br.readLine() != null) {
    count++;
}

对于我的一个文件，Java的数量恰好是实际数量的两倍！起初这让我很困惑。我在Notepad ++中打开了每个文件，可以看到错误计数文件以与其他文件完全相同的方式结束每一行，使用CR和LF。我做了一些更多的探索并注意到我所有的“ok”文件都是ANSI编码的，并且一个问题文件编码为UCS-2 Little Endian（我对此一无所知）。我把这些文件放在其他地方，所以我不知道为什么这个文件被编码，但当然把它转换为ANSI修复了这个问题。

但现在好奇心依然存在。为什么编码导致双行计数报告？

谢谢！

Answer 1

简单：如果在读取UCS-2（或UTF-16）文本（例如ANSI或任何8位编码）时应用了错误的编码，则每隔一个字符为0x0。然后将CR-LF分解为CR-0-LF，这被视为两行变化（一个用于CR，一个用于LF）。

Answer 2

这是问题所在：

new FileReader(myFile)

那将使用平台默认编码。不要这样做。使用

new InputStreamReader(new FileInputStream(myFile), encoding)

其中encoding是文件的适当编码。您必须使用正确的编码，否则您将无法正确读取文件。不幸的是，当然依赖于你知道编码......

编辑：回答为什么线条被重复计算而不仅仅是＆＃34;我如何修复它的问题＆＃34;，请参阅Lucero的回答：）