字符串编码不输出所有字符

Question

我的客户端使用InputStreamReader / BufferedReader从Internet获取文本。 但是，当我将文本保存为* .txt时，文本会显示额外奇怪的特殊符号，例如'Â'。

• 我已经尝试将字符串转换为ASCII，但是我使用的是uppå，ä，ö，Ø。

• 我尝过食物= food.replace("Â", ""); and IndexOf(); 但是字符串不会找到它。但它在HEX编辑器中。

总结：当我使用text.setText（Android）时，输出看起来很好，没有奇怪的符号，但是当我将文本保存到* .txt时，我得到大约4个'''。我不想要ASCII，因为我使用其他非ASCII字符。 “”在我的Android和记事本中显示为空白。

谢谢！

周末愉快！

编辑： 通过删除所有非破坏空间来解决它：

myString.replaceAll("\\u00a0"," ");

Answer 1

你说你是这样的：

in = new BufferedReader(new InputStreamReader(url.openStream(),"UTF-8")); 

您获取的内容很可能不会以UTF-8编码。

您需要在HttpURLConnection对象上调用getContentType()，如果它为非null，则在创建InputStreamReader时提取编码并使用它。如果响应未提供具有有效编码的内容类型，则仅假设为“UTF-8”。

---

在反思时，虽然你应该注意服务器返回的内容类型，但真正的问题要么是你编写* .txt文件的方式，要么是显示奇怪字符的显示工具。< / p>

• 目前尚不清楚用于编写文件的编码。也许你选错了。
• 显示工具可能假设文件具有不同的编码。也许它检测到文件是UTF-8或UTF-16是否有BOM。
• 显示工具可能是破损的，并且不了解不间断的空间。

当您使用HEX编辑器显示文件时，很可能使用8位字符集来呈现字节，并且该字符集很可能是Latin-1。但显然，该文件实际编码方式不同。

无论如何，替换不间断空间的方法是（IMO）一个黑客攻击，它不会处理你将来可能遇到的其他东西。因此，我建议您花时间真正了解问题，并正确修复。

---

最后，我想我明白为什么你可能会得到角色。 Unicode NON-BREAKING-SPACE字符为u00a0。当您将其编码为UTF-8时，您将获得C2 A0。但是Latin-1中的C2是CAPITAL-A-CIRCUMFLEX，而Latin-1中的A0是非突发性空间。因此，“混淆”很可能是您的程序正在以UTF-8编写* .txt文件，该工具将其读作Latin-1。