Question

我正在尝试编写一个将在Linux服务器上运行的Java应用程序，但它将使用cp-1252作为字符集处理在旧版Windows机器上生成的文件。无论如何将这些文件编码为utf-8而不是生成的cp-1252？

Answer 1

您可以使用您希望的任何编码来读写文本数据。这是一个快速的代码示例：

  public static void main(String[] args) throws Exception
  {
    // List all supported encodings
    for (String cs : Charset.availableCharsets().keySet())
      System.out.println(cs);

    File file = new File("SomeWindowsFile.txt");
    StringBuilder builder = new StringBuilder();

    // Construct a reader for a specific encoding
    Reader reader = new InputStreamReader(new FileInputStream(file), "windows-1252");
    while (reader.ready())
    {
      builder.append(reader.read());
    }
    reader.close();

    String string = builder.toString();

    // Construct a writer for a specific encoding
    Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF8");
    writer.write(string);
    writer.flush();
    writer.close();
  }

如果读取时仍然“窒息”，请查看您是否可以验证原始编码是否符合您的想法。在这种情况下，我已经指定了windows-1252，它是cp-1252的java字符串。

Answer 2

如果文件名和内容都有问题，解决问题的最简单方法是将Linux机器上的locale设置为基于ISO-8859-1而不是UTF-8的内容。。您可以使用locale -a列出可用的区域设置。例如，如果您有en_US.iso88591，则可以使用：

export LANG=en_US.iso88591

这样，Java将使用ISO-8859-1作为文件名，这可能已经足够了。要运行Java程序，您仍然需要设置file.encoding系统属性：

java -Dfile.encoding=cp1252 -cp foo.jar:bar.jar blablabla

如果没有ISO-8859-1区域设置可用，您可以使用localedef生成一个区域设置。安装它需要root访问权限。实际上，您可以生成使用CP-1252的区域设置（如果它在您的系统上可用）。例如：

sudo localedef -f CP1252 -i en_US en_US.cp1252
export LANG=en_US.cp1252

这样，Java应该默认使用CP1252来处理所有I / O，包括文件名。

在此处进一步扩展：http://jonisalonen.com/2012/java-and-file-names-with-invalid-characters/

将cp-1252编码为utf-8？

2 个答案: