如果您的输入文件包含一些不受支持的字符会发生什么？

Question

我有这个文本文件，其中可能包含Latin1字符集中的一些不受支持的字符，这是我的JVM的默认字符集。

当我的java程序试图从文件中读取时，这些字符会变成什么？ 具体地说，假设我在文件中有一个2字节长的字符，它是否会被读作单字节字符（因为Latin1中的每个字符只有1个字节长）？

谢谢，

Answer 1

  

我无法使用InputStreaReader选项，因为必须使用Latin1读取该文件。

并且

  

我有这个文本文件，其中可能包含Latin1字符集中的一些不受支持的字符...

这里你有相互矛盾的要求。

文件是LATIN-1（并且没有“不支持的字符”）或者它不是LATIN-1。如果它不是LATIN-1，你应该试着找出它真正的字符集/编码，并使用那个而不是LATIN-1来读取文件。

正如其他答案/评论所解释的那样，您可以更改JVM的默认字符集，也可以在打开Reader时明确指定字符集。

  

我在设置JVM的默认字符集时遇到问题。

请解释您正在尝试的内容以及您遇到的问题。

  

（并且有点害怕弄乱它！）

胆小鬼！ ： - ）

---

FWIW - 如果您尝试读取（比如）LATIN-1中的数据流且数据流实际上不在LATIN-1中，那么您可以期待以下内容：

• 在LATIN-1中编码相同字符的字符和实际字符集将无损地传递。
• 不对其编码的字符将被替换为表示“未知字符”（例如问号）的字符，或者将是乱码。发生的情况取决于该字节或字节序列是否编码有效（但错误）的字符，或者根本没有字符。

最终结果将是部分乱码文本。根据真实字符集和字符的确切含义，拼接可能是可逆的，也可能是不可逆的。但最好避免“去那里”......通过在第一个实例中使用RIGHT字符集进行解码。

Answer 2

首先，您可以指定在读取文件时使用的字符集。例如，请参阅：java.io.InputStreamReader

其次。是，如果使用1字节字符集进行读取，则每个字节将用于映射到一个字符。

第三：测试它，你将毫无疑问地看到实际发生的事情！

Answer 3

如果你不知道这个字符集你就必须猜测它。这很棘手且容易出错。

以下是有关此问题的问题： How can I detect the encoding/codepage of a text file

看看如何欺骗记事本猜错。