java - 修复字符串中的混合编码

Question

我有一个包含以下字符串的文件：

AAdοbe Dοcument Clοud

如果在 Notepad++ 中查看。在十六进制视图中，字符串如下所示：

如果我使用 Java 读取文件，则字符串如下所示：

AAdοbe Dοcument Clοud

如何在 Java 中获得与 Notepad++ 相同的编码？

标签： javacharacter-encoding

Answer 1

您的文件被编码为 UTF-8，CE BF字节是字符的 UTF-8 编码ο（'GREEK SMALL LETTER OMICRON' (U+03BF)）。

如果您使用EncodingNotepad++ 中的下拉菜单指定 UTF-8，您应该看到的内容为：

AAdοbe Dοcument Clοud

您可能希望将那些希腊语 ο 替换为常规拉丁 o（'LATIN SMALL LETTER O' (U+006F)）。

如果您决定保留希腊语 ο，则需要确保您的 Java 程序使用 UTF-8 读取文件，最好使用以下方法之一：

BufferedReader reader = Files.newBufferedReader(Paths.get("file.txt")); // UTF-8 is the default

BufferedReader reader = Files.newBufferedReader(Paths.get("file.txt"), StandardCharsets.UTF_8);

如果您使用调试器查看文本，您应该会看到它现在已被正确读取。如果您打印文本，请确保您使用的控制台窗口可以处理 UTF-8 字符，否则即使读取正确，它也可能打印错误。