即使將編碼設置爲UTF-8，文件也不會保存爲UTF-8編碼

當我使用Notepad ++檢查文件時，它使用ANSI編碼。我在這裏做錯了什麼？即使將編碼設置爲UTF-8，文件也不會保存爲UTF-8編碼

OutputStreamWriter out = new OutputStreamWriter(new FileOutputStream(file), "UTF8"); 
try 
     {   
      out.write(text); 
      out.flush(); 
     } finally 
     { 
      out.close(); 
     }

UPDATE：

這是現在解決了，原因JBoss的不理解我的XML並沒有編碼，但它被命名我的XML。感謝所有的幫助，即使真的沒有任何問題...

來源

2009-10-08 newbie

請問您的文字有任何非ASCII字符？記事本只是對數據進行啓發式檢查）。 –

在應用程序的XML和我的測試文件中它的唯一字母 – newbie

您的評論如下表明，這不是導致問題的實際代碼。請用實際的代碼，JBoss給你的消息和XML文件的樣本進行編輯。 – kdgregory

UTF-8的設計是，在通常情況下，從ANSI而難以區分。因此，當您將文本寫入文件並使用UTF-8編碼文本時，通常情況下，打開文件的其他人看起來像ANSI。

對於所有ASCII字符，UTF-8都是1字節，就像ANSI一樣。
對於ASCII字符，UTF-8具有與ANSI相同的所有字節。
UTF-8沒有任何特殊的標題字符，就像ANSI沒有。

它只有當你開始進入非ASCII代碼點，事情開始看起來不同。

但在通常情況下，字節爲字節，ANSI和UTF-8是相同的。

來源

2009-10-08 11:04:34 yfeldblum

這不是真的，ANSI和UTF-8通常是相同的。只有使用ASCII字符時，ANSI和UTF-8才相同（代碼介於0-127之間）。非ASCII字符（如「áéíóúÁÉÓÓñÑÑ」）在UTF-8中有多字節編碼（這些特定集合有2個字節）。在ANSI中，每個字符都用1個字節編碼。 ANSI和UTF-8何時相同？當不使用「陌生」字符時，通過「陌生」理解英語中找不到的任何字符（字母/標點符號/重音符號）。 –

正是這一點：毫無疑問，「新手」在他的輸入中有很多非ASCII字符，暗示他錯誤地將「字母表」用作「字母表元素」，這在印度的英語人士中很常見，尤其是。他使用「ANSI」來表示他的文件被解釋爲使用一些8位編碼（可能是Windows-1252），並以無意義的重音字符序列出現（「它的唯一字母」）。 –

「常見」是字節00到7F。當文本中的所有代碼點都可以用UTF-8在00-7F範圍內的單個字節中表示時，那麼UTF-8編碼的文本是ANSI。這包括大多數英語不帶重音的文本。 – yfeldblum

IANA註冊類型是「UTF-8」，而不是「UTF8」。但是，Java應該爲無效編碼引發異常，所以這可能不是問題。

我懷疑記事本是問題所在。使用hexdump程序檢查文本，你應該看到它正確編碼。

來源

2009-10-08 10:59:51 kdgregory

我創建了應該用UTF-8編碼的XML文件，但是jboss不能使用該文件，但是當我用Notepad ++手動將編碼更改爲UTF-8時，那麼jboss會理解應該使用UTF-8的XML – newbie

如果沒有BOM（並且Java不輸出一個用於UTF8，它甚至不能識別它），只要只使用ASCII範圍內的字符，則ANSI和UTF8編碼中的文本是相同的。因此Notepad ++無法檢測到任何差異。

（而且似乎是一個issue with UTF8 in Java反正...）

來源

2009-10-08 11:03:18 Lucero

This isn真的不是問題。在很多情況下，您不希望UTF-8數據以BOM作爲前綴。 Unicode BOM常見問題解答：http://unicode.org/faq/utf_bom.html#bom10 – McDowell

這是自動（而且非常可靠地）檢測UTF-8和ASCII或ANSI字符集之間差異的可能性之一。你如何從別的方面瞭解UTF-8？ – Lucero

我並不質疑您可以（或者是否應該）在任何情況下使用BOM;你是對的，這當然是一種可能性。然而，太多的情況下，BOM會破壞數據（例如，unix腳本;附加到文件）或者完全不必要（例如數據庫記錄），以便用U + FEFF爲每個UTF-8編碼流加上前綴。我不會將此描述爲Java的一個問題，因爲開發人員無法理解如何使用編碼以及如何/何時使用物料清單等問題。 – McDowell

如果要創建一個XML文件（因爲您的評論暗示），我會強烈建議您使用XML庫來輸出這個和寫入正確的XML編碼頭。否則，你的字符編碼將不符合XML標準，其他工具（比如你的JBoss實例）會正確地投訴。

// Prepare the DOM document for writing 
    Source source = new DOMSource(doc); 

    // Prepare the output file 
    File file = new File(filename); 
    Result result = new StreamResult(file); 

    // Write the DOM document to the file 
    Transformer xformer = TransformerFactory.newInstance().newTransformer(); 
    xformer.transform(source, result);

來源

2009-10-08 11:04:55

沒有明文這樣的東西。問題在於應用程序正在解碼字符數據，而沒有告訴它它使用了哪種編碼。

儘管許多Microsoft應用程序依賴於存在Byte Order Mark來表示Unicode文件，但這絕不是標準。 The Unicode BOM FAQ says more.

您可以通過在流的開始處寫入字符'\uFEFF'來向輸出添加物料清單。 More info here。對於依賴物料清單的應用來說，這應該足夠了。

來源

2009-10-08 11:18:16 McDowell

您是否嘗試在文件的開頭寫入BOM？ BOM是唯一可以告訴編輯器該文件是UTF-8的東西。否則，UTF-8文件可能看起來像Latin-1或擴展的ANSI。

你可以像這樣做，

public final static byte[] UTF8_BOM = {(byte)0xEF, (byte)0xBB, (byte)0xBF}; 
... 
OutputStream os = new FileOutputStream(file); 
os.write(UTF8_BOM); 
os.flush(); 
OutputStreamWriter out = new OutputStreamWriter(os, "UTF8"); 
try 
    {      
      out.write(text); 
      out.flush(); 
    } finally 
    { 
      out.close(); 
    }

來源

2009-10-08 12:08:26

即使將編碼設置爲UTF-8，文件也不會保存爲UTF-8編碼

回答

相關問題