Question

我在尝试解析从文件中获取的JSON字符串时遇到了问题。我的问题是，当我读取它时，零宽度不间断空格字符（unicode 0xfeff）位于我的字符串的开头，我无法摆脱它。我不想使用正则表达式，因为可能存在具有不同unicodes的其他隐藏字符。

这就是我所拥有的：

StringBuilder content = new StringBuilder();
    try {
        BufferedReader br = new BufferedReader(new FileReader("src/test/resources/getStuff.json"));
        String currentLine;
        while((currentLine = br.readLine()) != null) {
            content.append(currentLine);
        }
        br.close();
    } catch(Exception e) {
        Assert.fail();
    }

这是JSON文件的开头（复制粘贴整个过程太长了，但我确认它有效）：

{"result":{"data":{"request":{"year":null,"timestamp":1413398641246,...

这是我到目前为止所尝试的内容：

将JSON文件复制到记事本++并显示所有字符
将文件复制到记事本++并转换为没有BOM的UFT-8和ISO 8859-1
在其他文本编辑器中打开JSON文件，例如sublime并保存为UFT-8
将JSON文件复制到txt文件并在
尝试使用Scanner而不是BufferedReader
在intellij中我尝试了视图 - ＆gt;主动编辑器 - ＆gt;显示空白

如何在字符串开头没有零宽度不间断空格字符的情况下读取此文件？

Answer 1

0xEF 0xBB 0xBF是UTF-8 BOM，0xFE 0xFF是UTF-16BE BOM，0xFF 0xFE是UTF-16LE BOM }。如果字符串前面存在0xFEFF，则表示您创建了带有BOM的UTF编码文本文件。 UTF-16 BOM可以显示为0xFEFF，而如果BOM本身从UTF-8解码为UTF-16，则UTF-8 BOM仅显示为0xFEFF（意味着读者检测到BOM但没有跳过它）。事实上，众所周知，Java不处理UTF-8物料清单（请参阅错误JDK-4508058和JDK-6378911）。

如果您阅读FileReader documentation，则会说：

此类的构造函数假定默认字符编码和默认字节缓冲区大小是合适的。要自己指定这些值，请在FileInputStream上构造一个InputStreamReader。

您需要使用识别字符集的阅读器来阅读文件内容，最好是为您读取BOM并根据需要在内部进行调整。但更糟糕的情况是，您可以自己打开文件，读取前几个字节以检测是否存在BOM，然后使用适当的字符集构建读取器以读取文件的其余部分。以下是使用org.apache.commons.io.input.BOMInputStream执行此操作的示例：

（来自https://stackoverflow.com/a/13988345/65863）

String defaultEncoding = "UTF-8";
InputStream inputStream = new FileInputStream(someFileWithPossibleUtf8Bom);
try {
    BOMInputStream bOMInputStream = new BOMInputStream(inputStream);
    ByteOrderMark bom = bOMInputStream.getBOM();
    String charsetName = bom == null ? defaultEncoding : bom.getCharsetName();
    InputStreamReader reader = new InputStreamReader(new BufferedInputStream(bOMInputStream), charsetName);
    //use reader
} finally {
    inputStream.close();
}

阅读文件时找不到ZERO WIDTH NO-BREAK SPACE

1 个答案: