读取文件流时，经常会遇到乱码的现象，造成乱码的原因当然不可能是一个，这里主要介绍因为文件编码格式而导致的乱码的问题。首先，明确一点，文本文件与二进制文件的概念与差异。
文本文件是基于字符编码的文件，常见的编码有ASCII编码，UNICODE编码、ANSI编码等等。二进制文件是基于值编码的文件，你可以根据具体应用，指定某个值是什么意思（这样一个过程，可以看作是自定义编码。）
因此可以看出文本文件基本上是定长编码的(也有非定长的编码如UTF-8)。而二进制文件可看成是变长编码的，因为是值编码嘛，多少个比特代表一个值，完全由你决定。
对于二进制文件，是千万不能使用字符串的，因为字符串默认初始化时会使用系统默认编码，然而，二进制文件因为自定义编码自然与固定格式的编码会有所冲突，所以对于二进制的文件只能采用字节流读取、操作、写入。
对于文本文件，因为编码固定，所以只要在读取文件之前，采用文件自身的编码格式解析文件，然后获取字节，再然后，通过指定格式初始化字符串，那么得到的文本是不会乱码的。虽然，二进制文件也可以获取到它的文本编码格式，但是那是不准确的，所以不能同日而语。
具体操作如下：
1）获取文本文件的格式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
|
public static String getFileEncode(String path) { String charset ="asci"; byte[] first3Bytes = new byte[3]; BufferedInputStream bis = null; try { boolean checked = false; bis = new BufferedInputStream(new FileInputStream(path)); bis.mark(0); int read = bis.read(first3Bytes, 0, 3); if (read == -1) return charset; if (first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE) { charset = "Unicode";//UTF-16LE checked = true; } else if (first3Bytes[0] == (byte) 0xFE && first3Bytes[1] == (byte) 0xFF) { charset = "Unicode";//UTF-16BE checked = true; } else if (first3Bytes[0] == (byte) 0xEF && first3Bytes[1] == (byte) 0xBB && first3Bytes[2] == (byte) 0xBF) { charset = "UTF8"; checked = true; } bis.reset(); if (!checked) { int len = 0; int loc = 0; while ((read = bis.read()) != -1) { loc++; if (read >= 0xF0) break; if (0x80 <= read && read <= 0xBF) //单独出现BF以下的，也算是GBK break; if (0xC0 <= read && read <= 0xDF) { read = bis.read(); if (0x80 <= read && read <= 0xBF) //双字节 (0xC0 - 0xDF) (0x80 - 0xBF),也可能在GB编码内 continue; else break; } else if (0xE0 <= read && read <= 0xEF) { //也有可能出错，但是几率较小 read = bis.read(); if (0x80 <= read && read <= 0xBF) { read = bis.read(); if (0x80 <= read && read <= 0xBF) { charset = "UTF-8"; break; } else break; } else break; } } //TextLogger.getLogger().info(loc + " " + Integer.toHexString(read)); } } catch (Exception e) { e.printStackTrace(); } finally { if (bis != null) { try { bis.close(); } catch (IOException ex) { } } } return charset; } private static String getEncode(int flag1, int flag2, int flag3) { String encode=""; // txt文件的开头会多出几个字节，分别是FF、FE（Unicode）, // FE、FF（Unicode big endian）,EF、BB、BF（UTF-8） if (flag1 == 255 && flag2 == 254) { encode="Unicode"; } else if (flag1 == 254 && flag2 == 255) { encode="UTF-16"; } else if (flag1 == 239 && flag2 == 187 && flag3 == 191) { encode="UTF8"; } else { encode="asci";// ASCII码 } return encode; } |
2）通过文件的编码格式读取文件流
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/** * 通过路径获取文件的内容，这个方法因为用到了字符串作为载体，为了正确读取文件（不乱码），只能读取文本文件，安全方法！ */ public static String readFile(String path){ String data = null; // 判断文件是否存在 File file = new File(path); if(!file.exists()){ return data; } // 获取文件编码格式 String code = FileEncode.getFileEncode(path); InputStreamReader isr = null; try{ // 根据编码格式解析文件 if("asci".equals(code)){ // 这里采用GBK编码，而不用环境编码格式，因为环境默认编码不等于操作系统编码 // code = System.getProperty("file.encoding"); code = "GBK"; } isr = new InputStreamReader(new FileInputStream(file),code); // 读取文件内容 int length = -1 ; char[] buffer = new char[1024]; StringBuffer sb = new StringBuffer(); while((length = isr.read(buffer, 0, 1024) ) != -1){ sb.append(buffer,0,length); } data = new String(sb); }catch(Exception e){ e.printStackTrace(); log.info("getFile IO Exception:"+e.getMessage()); }finally{ try { if(isr != null){ isr.close(); } } catch (IOException e) { e.printStackTrace(); log.info("getFile IO Exception:"+e.getMessage()); } } return data; } |
3）通过文件指定的格式写入文件
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/** * 按照指定的路径和编码格式保存文件内容，这个方法因为用到了字符串作为载体，为了正确写入文件（不乱码），只能写入文本内容，安全方法 * * @param data * 将要写入到文件中的字节数据 * @param path * 文件路径,包含文件名 * @return boolean * 当写入完毕时返回true; */ public static boolean writeFile(byte data[], String path , String code){ boolean flag = true; OutputStreamWriter osw = null; try{ File file = new File(path); if(!file.exists()){ file = new File(file.getParent()); if(!file.exists()){ file.mkdirs(); } } if("asci".equals(code)){ code = "GBK"; } osw = new OutputStreamWriter(new FileOutputStream(path),code); osw.write(new String(data,code)); osw.flush(); }catch(Exception e){ e.printStackTrace(); log.info("toFile IO Exception:"+e.getMessage()); flag = false; }finally{ try{ if(osw != null){ osw.close(); } }catch(IOException e){ e.printStackTrace(); log.info("toFile IO Exception:"+e.getMessage()); flag = false; } } return flag; } |
4）对于二进制文件而且内容很少的，例如Word文档等，可以使用如下方式读取、写入文件
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
/** * 从指定路径读取文件到字节数组中,对于一些非文本格式的内容可以选用这个方法 * 457364578634785634534 * @param path * 文件路径,包含文件名 * @return byte[] * 文件字节数组 * */ public static byte[] getFile(String path) throws IOException { FileInputStream stream=new FileInputStream(path); int size=stream.available(); byte data[]=new byte[size]; stream.read(data); stream.close(); stream=null; return data; } /** * 把字节内容写入到对应的文件，对于一些非文本的文件可以采用这个方法。 * @param data * 将要写入到文件中的字节数据 * @param path * 文件路径,包含文件名 * @return boolean isOK 当写入完毕时返回true; * @throws Exception */ public static boolean toFile(byte data[], String path) throws Exception { FileOutputStream out=new FileOutputStream(path); out.write(data); out.flush(); out.close(); out=null; return true; } |
以上就是本文的全部内容，希望对大家的学习有所帮助。
