Java 读取、写入文件——解决乱码问题

jopen 4年前

本文主要介绍:使用Java读取、写入文件,解决因为文件编码格式而导致的乱码问题。

    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

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

/**    * 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

/**    * 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

/**    * 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;   }

来自:http://my.oschina.net/heweipo/blog/384509