Question

我使用以下代码将中文字符保存到.txt文件中，但是当我用Wordpad打开它时，我无法读取它。

StringBuffer Shanghai_StrBuf = new StringBuffer("\u4E0A\u6D77");
boolean Append = true;

FileOutputStream fos;
fos = new FileOutputStream(FileName, Append);
for (int i = 0;i < Shanghai_StrBuf.length(); i++) {
    fos.write(Shanghai_StrBuf.charAt(i));
}
fos.close();

我该怎么办？我知道如果我将中文字符剪切并粘贴到Wordpad中，我可以将其保存到.txt文件中。我如何用Java做到这一点？

Answer 1

这里有几个因素在起作用：

文本文件没有用于描述其编码的内在元数据（对于所有关于角括号税的讨论，XML都很受欢迎）
Windows的默认编码仍为8位（或双字节）“ANSI”字符集，其值范围有限 - 以此格式编写的文本文件不可移植
要告知ANSI文件中的Unicode文件，Windows应用依赖于文件开头byte order mark的not strictly true - Raymond Chen explains。理论上，BOM可以告诉您数据的endianess（字节顺序）。对于UTF-8，即使只有一个字节顺序，Windows应用依赖于标记字节来自动确定它是Unicode（尽管您会注意到Notepad在其打开/保存对话框中有一个编码选项）。 / LI>
说Java被破坏是错误的，因为它没有自动写入UTF-8 BOM。例如，在Unix系统上，将BOM写入脚本文件是错误的，并且许多Unix系统使用UTF-8作为其默认编码。有时候你不想在Windows上使用它，比如当你将数据附加到现有文件时：fos = new FileOutputStream(FileName,Append);

这是一种可靠地将UTF-8数据附加到文件的方法：

  private static void writeUtf8ToFile(File file, boolean append, String data)
      throws IOException {
    boolean skipBOM = append && file.isFile() && (file.length() > 0);
    Closer res = new Closer();
    try {
      OutputStream out = res.using(new FileOutputStream(file, append));
      Writer writer = res.using(new OutputStreamWriter(out, Charset
          .forName("UTF-8")));
      if (!skipBOM) {
        writer.write('\uFEFF');
      }
      writer.write(data);
    } finally {
      res.close();
    }
  }

用法：

  public static void main(String[] args) throws IOException {
    String chinese = "\u4E0A\u6D77";
    boolean append = true;
    writeUtf8ToFile(new File("chinese.txt"), append, chinese);
  }

注意：如果文件已存在并且您选择追加并且现有数据不是 UTF-8编码，那么代码将创建的唯一内容就是混乱。

以下是此代码中使用的Closer类型：

public class Closer implements Closeable {
  private Closeable closeable;

  public <T extends Closeable> T using(T t) {
    closeable = t;
    return t;
  }

  @Override public void close() throws IOException {
    if (closeable != null) {
      closeable.close();
    }
  }
}

此代码使Windows风格最佳地猜测如何根据字节顺序标记读取文件：

  private static final Charset[] UTF_ENCODINGS = { Charset.forName("UTF-8"),
      Charset.forName("UTF-16LE"), Charset.forName("UTF-16BE") };

  private static Charset getEncoding(InputStream in) throws IOException {
    charsetLoop: for (Charset encodings : UTF_ENCODINGS) {
      byte[] bom = "\uFEFF".getBytes(encodings);
      in.mark(bom.length);
      for (byte b : bom) {
        if ((0xFF & b) != in.read()) {
          in.reset();
          continue charsetLoop;
        }
      }
      return encodings;
    }
    return Charset.defaultCharset();
  }

  private static String readText(File file) throws IOException {
    Closer res = new Closer();
    try {
      InputStream in = res.using(new FileInputStream(file));
      InputStream bin = res.using(new BufferedInputStream(in));
      Reader reader = res.using(new InputStreamReader(bin, getEncoding(bin)));
      StringBuilder out = new StringBuilder();
      for (int ch = reader.read(); ch != -1; ch = reader.read())
        out.append((char) ch);
      return out.toString();
    } finally {
      res.close();
    }
  }

用法：

  public static void main(String[] args) throws IOException {
    System.out.println(readText(new File("chinese.txt")));
  }

（System.out使用默认编码，因此它是否打印任何合理的取决于您的平台和configuration。）

Answer 2

这让我想起了：

The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

Answer 3

如果你可以依赖默认字符编码是UTF-8（或其他一些Unicode编码），你可以使用以下内容：

    Writer w = new FileWriter("test.txt");
    w.append("上海");
    w.close();

最安全的方法是始终明确指定编码：

    Writer w = new OutputStreamWriter(new FileOutputStream("test.txt"), "UTF-8");
    w.append("上海");
    w.close();

P.S。如果正确配置了javac的-encoding参数，则可以在Java源代码中使用任何Unicode字符，即使是方法和变量名也是如此。这使得源代码比转义\uXXXX表单更具可读性。

Answer 4

对提出的方法要非常小心。甚至指定文件的编码如下：

Writer w = new OutputStreamWriter（new FileOutputStream（“test.txt”），“UTF-8”）;

如果您在Windows等操作系统下运行，

将无法运行。即使将file.encoding的系统属性设置为UTF-8也无法解决问题。这是因为Java无法为文件写入字节顺序标记（BOM）。即使您在写入文件时指定编码，在Wordpad等应用程序中打开相同的文件也会将文本显示为垃圾，因为它不会检测到BOM。我尝试在Windows中运行这些示例（使用CP1252的平台/容器编码）。

以下错误用于描述Java中的问题：

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=4508058

暂时的解决方案是自己编写字节顺序标记，以确保文件在其他应用程序中正确打开。有关BOM的更多详细信息，请参阅此处：

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

有关更正确的解决方案，请参阅以下链接：

http://tripoverit.blogspot.com/2007/04/javas-utf-8-and-unicode-writing-is.html

Answer 5

这是许多人中的一种方式。基本上，我们只是在将字节输出到FileOutputStream之前指定转换为UTF-8：

String FileName = "output.txt";

StringBuffer Shanghai_StrBuf=new StringBuffer("\u4E0A\u6D77");
boolean Append=true;

Writer writer = new OutputStreamWriter(new FileOutputStream(FileName,Append), "UTF-8");
writer.write(Shanghai_StrBuf.toString(), 0, Shanghai_StrBuf.length());
writer.close();

我针对http://www.fileformat.info/info/unicode/char/处的图片手动验证了这一点。将来，请遵循Java编码标准，包括小写变量名称。它提高了可读性。

Answer 6

试试这个，

StringBuffer Shanghai_StrBuf=new StringBuffer("\u4E0A\u6D77");
    boolean Append=true;

    Writer out = new BufferedWriter(new OutputStreamWriter(
        new FileOutputStream(FileName,Append), "UTF8"));
    for (int i=0;i<Shanghai_StrBuf.length();i++) out.write(Shanghai_StrBuf.charAt(i));
    out.close();

如何用java保存中文字符到文件？

6 个答案: