Question

我创建一个小程序来读取文件，找到某个字符串，替换它，然后写一个新文件。这是我的代码。

public static void main(String[] args) {
    String line;

    try {
        FileInputStream fstream = new FileInputStream("a.xml");
        BufferedInputStream bis = new BufferedInputStream(fstream);
        DataInputStream in = new DataInputStream(bis);

        Pattern p = Pattern.compile("someregex");

        StringBuilder content = new StringBuilder();
        while (in.available() != 0) {
            line = in.readLine();

            Matcher matcher = p.matcher(line);
            if (matcher.find()) {
                String filtered = matcher.group();
                int len = filtered.length() - 8;
                String city = filtered.substring(7, len);
                line = line.replaceAll("someregex", city);
                content.append(line).append("\n");
            } else {
                content.append(line).append("\n");
            }
        }

        in.close();

        BufferedWriter out = new BufferedWriter(new FileWriter("b.xml"));
        out.write(content.toString());
        out.close();
    } catch (Exception e) {
        System.err.println("Error: " + e.getMessage());
    }
}

问题是该文件包含一些unicode字符，Java没有保留它。我有这句话：“可爱的参观槟城的东方和东方”。 Java将其写成“可爱的槟城东方和东方之旅”。如何保留unicode角色？

Answer 1

你必须使用InputStreamReader。有几种方法可以做到这一点，但这里有一个：http://docs.oracle.com/javase/tutorial/i18n/text/stream.html

他们的例子是：

FileInputStream fis = new FileInputStream("test.txt");
InputStreamReader isr = new InputStreamReader(fis, "UTF8");

编辑：正如Joop在评论中所建议的那样，应该使用现代版本，所以"UTF-8"。

Answer 2

如果要以有意义的方式处理文件的文本内容，则必须指定文件的编码。这意味着您必须知道文件的编码。

幸运的是，XML格式的指定方式始终可以告诉（正确的）XML文件的编码。

因此，如果您使用真正的XML解析器库来处理XML，那么这将自动完成。

如果不使用真正的XML解析器，则需要自己实现the encoding sniffing（或者如果您知道它总是相同的话，只需对编码进行硬编码）。< / p>

作为一般规则，每当您想要将byte[]（包括文件内容！）转换为String时，您需要知道byte[]的正确编码}。

Answer 3

如何在Java中保留Unicode？问题是该文件包含一些unicode字符，Java没有保留它。

Java使用Unicode字符集。文件不能“包含Unicode”;它可以包含Unicode字符集的编码的字节。您的问题将是因为文件的编码以及您在读取文件时告诉Java使用的编码不完全相同。

Answer 4

在您正在使用的DEPRECATED DataInputStream.readLine（）方法上读取javadoc。它告诉你，出于这个原因，它已被弃用，并告诉你该怎么做。

Answer 5

所有Unicode字符都可以在java中的注释，字符和字符串文字中使用。 Unicode字符可以通过Unicode转义序列表示。

Unicode转义序列由

组成

反斜杠'\'（ASCII字符92，十六进制0x5c）， 'u'（ASCII 117，十六进制0x75）可选地包含一个或多个“u”字符，以及四个十六进制数字（字符'0'到'9'或'a'到'f'或'A'到'F'）。此类序列表示Unicode字符的UTF-16编码，例如，“a”等同于“\ u0061”。此转义方法不支持U + FFFF以外的字符，或者您必须使用代理项对。

Unicode转义序列可能出现在Java源文件中的任何位置，包括内部标识符，注释和字符串文字。 Unicode转义必须始终格式良好，即使它们出现在注释中，否则编译器会抱怨。在注释中放置格式良好的Unicode转义符是合法的。程序员有时在Javadoc注释中使用Unicode转义符来在文档中生成特殊字符。 REFER

从文本文件中读取的字符错误

5 个答案: