Question

我有一个包含UTF-8数据的文件。此文件没有任何BOM（字节顺序标记），也没有任何长度/大小信息作为每个unicode字/行的前缀。

我想从给定的偏移量和长度读取字节（是字节！）。如果API具有搜索，读取字节或从偏移读取字节等功能，那将非常有用。

示例内容 - “100°Info”，对于此内容长度为9，如果我请求读取9个字节，则应该读取所有内容。目前它只读取8.看起来API将Unicode字符视为2个字符。

如何正确阅读内容？使用哪种API？

Answer 1

但是，当编码为UTF-8时，度数的Unicode字符实际上是两个字节。度数符号由字节c2 b0表示。如果你真的想在文件中的特定偏移处读取字节，你可以在Java中使用RandomAccessFile，但我怀疑这是你真正想要的。

可能最简单的方法就是使用FileReader来读取大小为9的char数组，或者只读取9个字符到更大的char数组中。例如：

try (Reader reader = new InputStreamReader(new FileInputStream(filename), "UTF-8")) {
    char[] buffer = new char[1024];
    reader.read(buffer, 0, 9);
}

Answer 2

我感觉你混淆了字符和字节。文本100° Info有九个字符，但由于度数符号存储为两个字节，因此它将是十个字节。如果您读取9个字节，那么您将错过o中的Info，但这仍然会解析为字符串，因为它是单字节字符。

Answer 3

您当然可以将内容读入字符串，然后使用String.getBytes（“UTF8”）来获取给定字符串的字节。这将返回您概述的案例中的所有9个字节。

Java：从utf-8文件中读取字节

3 个答案: