Java中的readline（）不能正確處理中文字符

Question

我有一個文本文件，中文文字寫入一行。該行被"\r\n"包圍，並使用fileOutputStream.write(string.getBytes())編寫。

我沒有任何問題閱讀英文單詞的行，我的緩衝讀者完全用readLine()解析它。但是，它將中文句子視爲多行，從而搞砸了我的程序流程。

任何解決方案？

Answer 1

使用string.getBytes()使用平臺默認編碼編碼String。這很少是你想要的，特別是當你試圖編寫非當前語言環境的本地字符時。

請指定編碼（例如使用string.getBytes("UTF-8")）。

一個更清潔，更多的Java式的方式將是在OutputStreamWriter這樣來包裝你OutputStream：

Writer w = new OutputStreamWriter(out, "UTF-8"); 

然後你可以簡單地調用writer.write(string)，並不需要你想每次都重複編碼寫一個String。

而且，如下所述，讀取文件時指定相同的編碼（最好使用Reader）。

Answer 2

如果您通過fileOutputStream.write(string.getBytes())輸出文本，那麼您輸出的平臺默認編碼爲。重要的是要確保您使用適當的編碼進行閱讀，並使用可識別編碼的方法。這個問題不會出現在你的BufferedReader實例中，但不管你有什麼Reader，它都會將字節轉換爲字符。

這篇文章可能是有用的：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)