Lesen beliebigen text-Datei, die merkwürdige Codierung?

Ich habe eine text-Datei mit einem seltsamen Kodierung "UCS-2 Little Endian", die ich Lesen möchte seine Inhalte mit Hilfe von Java.

Lesen beliebigen text-Datei, die merkwürdige Codierung?

Wie Sie sehen können, wie in der obigen Abbildung den Inhalt der Datei schön erscheinen, in Notepad++, aber wenn ich lese es mit diesem code, nur noch Müll gedruckt wird in der Konsole:

String textFilePath = "c:\strange_file_encoding.txt"
BufferedReader reader = new BufferedReader( new InputStreamReader( new FileInputStream( filePath ), "UTF8" ) );
String line = "";

while ( ( line = reader.readLine() ) != null ) {
    System.out.println( line );  //Prints garbage characters 
}

Der wichtigste Punkt ist, dass der Benutzer wählt die Datei zu Lesen, so kann es von jeder beliebigen Codierung, und da ich nicht erkennen kann, die Datei-Codierung, die ich entschlüsseln mit "UTF8" aber wie in dem obigen Beispiel ist es nicht richtig gelesen.

Ist es Weg Lesen, so seltsame Dateien in einen richtigen Weg ? Oder zumindest kann ich erkennen, ob mein code wird nicht richtig gelesen ?

InformationsquelleAutor Brad | 2013-03-19

  1. 7

    Sie UTF-8 als encoding im Konstruktor von InputStreamReader, so wird es versuchen, Sie zu interpretieren die bytes als UTF-8 anstelle von UCS-LE. Hier ist die Dokumentation: Charset

    Ich nehme an, Sie brauchen, um die Verwendung von UTF-16LE nach.

    Hier gibt es mehr Informationen über die unterstützten Zeichensätze und Ihren Java-Namen:
    Unterstützte Codierungen

    Vielen Dank. Wie beschrieben in meiner Frage, das Hauptproblem ist, dass dies nicht der einzige text-Datei verwendet. Der Benutzer wählt die Datei zu Lesen, und es kann eine beliebige Codierung, so wird "UTF-16LE" Lesen beliebigen text-Datei mit einer beliebigen Codierung ?
    Es gibt keine todsichere Methode, sondern geben Sie diese ein Schuss: juniversalchardet

    InformationsquelleAutor tempoc

  2. 1

    Du bist die Bereitstellung der falschen Codierung in InputStreamReader. Haben Sie versucht, UTF-16LE, wenn statt UTF8?

    BufferedReader reader = new BufferedReader( new InputStreamReader( new FileInputStream( filePath ), "UTF-16LE" ) );

    Laut Charset:

    UTF-16LE Sixteen-bit UCS Transformation Format, little-endian-byte
    um

    InformationsquelleAutor Vivin Paliath

  3. 1

    Können Sie nicht verwenden Sie eine UTF-8-Kodierung für alle Dateien, insbesondere, wenn Sie nicht wissen, welche Datei-Kodierung zu erwarten. Eine Bibliothek, die erkennen können, der Datei-Codierung, bevor Ihr die Datei gelesen werden, zum Beispiel: juniversalchardet oder jChardet

    Weitere Infos finden Sie unter Java : Wie bestimmen Sie den richtigen Zeichensatz des Streams

    Diese. Wenn Sie nicht wissen, den Zeichensatz, die Sie haben, um zu versuchen und erkennen es. ICU4J ist eine weitere Bibliothek, die Sie versuchen können.

    InformationsquelleAutor Dror Bereznitsky

Schreibe einen Kommentar