Question

我正在阅读下面代码中的文件，我想要做的是，能够以不同的编码方式读取文件，例如“big endian”，“little endian”。我在谷歌上寻找了这个，但我得到的是this link，我不清楚如何在inputStream和bufferedStream

中使用它

代码：

private void fileToHash(File myFile) throws IOException {
    // TODO Auto-generated method stub
    this.fileHash = new HashMap<Integer, DataRow>();

    InputStream iS = new FileInputStream(myFile);
    BufferedReader bR = new BufferedReader(new InputStreamReader(iS));

Answer 1

您应该将编码传递给InputStreamReader构造函数，例如

new InputStreamReader(iS, "UTF-16LE");

Answer 2

Reader API用于处理具有不同字符集（或字符集）的文本文件，即ISO Latin，UTF，ASCII，EBCDIC。这只与endianess有轻微关系。

如果要读取以不同字节序列编码的二进制数据，可以自己读取字节，并通过移位或使用NIO's ByteBuffer来计算数字。要切换字节顺序，请使用order()方法。

http://mindprod.com/jgloss/bytebuffer.html

Answer 3

InputStream/byte[]是二进制文件，Reader/String是文本。桥接InputStreamReader具有可用于转换时使用的编码的参数。编码默认为平台编码。

InputStream iS = new FileInputStream(myFile);
BufferedReader bR = new BufferedReader(new InputStreamReader(iS, encoding));

测试文件所针对的编码，本身就是一门艺术。可以检测到违反UTF-8多字节编码的情况。对于ASCII文本（如果存在），ÚTF-16LE和~BE通常可以通过字节0x00在奇数或偶数位置检测到。我结合发现编码与识别语言，因为检测具有非ascii字符的单词可以帮助找到所使用的编码。使用每种语言中最常用的100个单词，以及每种语言的编码都有帮助。

您需要为FileChannel处理字节getChannel()，然后使用ByteBuffer。只需读取前4 KB就会产生最后一个字节的问题：UTF-8序列可能被截断，或UTF-16对被分割。

StandardCharsets中有Charset常量，但仅适用于每个JavaSE安装（例如StandardCharsets.UTF_8和ISO_8859_1）可用的标准字符集。在你的情况下不是很有用。但您可以测试Charset的可用性：

Charset.availableCharsets()

Answer 4

你也可以看看JBBP library允许读取以不同字节顺序写入的数据，有JBBPBitInputStream允许定义字节顺序（甚至是位顺序）

如何在不同的编码功能中读取文件？

4 个答案: