将其写入文本文件后出现意外的字符

Question

当我尝试从文档中获取文本时，如果后面跟着一些特殊字符，例如TM或C（版权所有）等，在将其写入文本文件后，它会使一些意外添加到文本中。例如，我们可以考虑以下内容：

如果我们有Apache™ Hadoop™!，那么如果我们尝试使用FileOutputStream写入文本，那么结果就像Apacheâ Hadoopâ â对我来说是无稽之谈通常我想要一种方法来检测文本中的这些字符，只是跳过它们来编写它们，是否有解决方案？

Answer 1

我最初错误地阅读了这个问题，并没有注意到你想跳过它们。我现在暂时离开这里，如果有人发布更好的内容，我会将其删除。

---

要正确处理字符，您可以将字符集显式设置为ISO-8859-1。为此，您需要使用类似OutputStreamWriter的内容。

final OutputStreamWriter writer;

writer = new OutputStreamWriter(new FileOutputStream(file),
                                Charset.forName("ISO-8859-1"));
writer.write(string);
writer.close();

这不会跳过它们，但应该正确编码。

Answer 2

原因是字符编码问题。在将字符串写入文件之前，需要对字符串字符进行编码 你可以使用如下：

    Writer out = new OutputStreamWriter(new FileOutputStream(   
                        new File("D://helloWorld.txt")), "UTF8");
    String tm ="Apache™ Hadoop™";
    out.write(tm);
    out.close();

Answer 3

如果您只想要可打印的ASCII范围，则按字符构建新字符串迭代字符串字符。仅当字符在0x20到0x7E范围内时才包含该字符。

final StringBuilder buff = new StringBuilder();
for (char c : string.toCharArray())
{
  if (c >= 0x20 && c <= 0x7E)
  {
    buff.append(c);
  }
}

final FileWriter w = new FileWriter(...);
w.write(buff.toString());
w.close();

如果您想保留回车和换行符，还需要考虑0x0A和0x0D。