Java處理國際文件。編碼的東西

Question

我正在寫一個示例測試應用程序，其主要功能是修改一些文本文件（無所謂修改）。這些測試文件通常採用txt格式。問題是，這些文件可能包含英文，德文，波蘭文，中文，阿拉伯文等文本。

我的問題是，我應該注意什麼編碼的東西方面。我想確保，該應用適用於所遇到的任何角色。

你可以給我一些鏈接，我會發現有用的這些編碼的東西（讀/寫文件時）？

我正在用Java寫這個程序。

Answer 1

我想確保，該應用適用於任何遇到的角色。

這很好，只要你知道文件的編碼。重要的是要注意，文件的編碼與文件中的文本的語言有很大不同。例如，完全相同的字符可以用UTF-8和UTF-16表示。

對文件的編碼猜測猜測是可能的，但是如果您可以控制該文件或者允許使用相同的編碼，則要求所有輸入文件使用相同的編碼（IMO）用戶指定編碼。如果你可以控制編碼，我一般會推薦UTF-8。

Answer 2

如果你可以控制它，你想要UTF-8。但它不僅僅是一個開關 - Java幾乎在任何地方都喜歡平臺默認編碼和古老的8位UTF-8編碼。

你什麼時候需要使用編碼？

這涉及到需要編碼的任何字符串（當打印到控制檯，寫入文件或發送數據庫查詢時）以及任何進入內存需要解碼的內容（當讀取控制檯，文件，http請求，接收數據庫結果等）。

如果在這些情況下沒有指定編碼，則隱式使用編碼。總是。隱式選擇的編碼通常不是你想要的，甚至取決於程序運行的地方而改變。

對於幾乎所有的Java都有隱式編碼重載並沒有什麼幫助，它似乎總是更容易使用。