Problema de codificación Java FileReader

Question

Intenté usar java.io.FileReader para leer algunos archivos de texto y convertirlos en una cadena, pero encontré que el resultado está mal codificado y no se puede leer en absoluto.

Aquí es mi medio ambiente:

• Windows 2003, OS codificación: CP1252

• Java 5,0

Mis archivos son codificación UTF-8 o CP1252 codificada, y algunos de ellos (archivos codificados en UTF-8) pueden contener caracteres chinos (no latinos).

uso el siguiente código para hacer mi trabajo:

private static String readFileAsString(String filePath) 
    throws java.io.IOException{ 
     StringBuffer fileData = new StringBuffer(1000); 
     FileReader reader = new FileReader(filePath); 
     //System.out.println(reader.getEncoding()); 
     BufferedReader reader = new BufferedReader(reader); 
     char[] buf = new char[1024]; 
     int numRead=0; 
     while((numRead=reader.read(buf)) != -1){ 
      String readData = String.valueOf(buf, 0, numRead); 
      fileData.append(readData); 
      buf = new char[1024]; 
     } 
     reader.close(); 
     return fileData.toString(); 
    } 

El código anterior no funciona. Encontré que la codificación del FileReader es CP1252, incluso si el texto está codificado en UTF-8. Pero el JavaDoc de java.io.FileReader dice que:

Los constructores de esta clase asumen que el carácter de codificación por defecto y el tamaño de memoria intermedia de bytes por defecto son apropiado.

¿Esto significa que no estoy obligado a establecer la codificación de caracteres por mí mismo si estoy utilizando FileReader? Pero obtuve datos codificados incorrectos actualmente, ¿cuál es la forma correcta de lidiar con mi situtaion? Gracias.

Answer 1

Sí, usted necesita especificar la codificación del archivo que desea leer.

Sí, esto significa que tiene que saber la codificación del archivo que desea leer.

No, no hay una forma general de suponer la codificación de un archivo de "texto sin formato" dado.

The constructors of FileReader utilice siempre la codificación predeterminada de la plataforma que generalmente es una mala idea.

En lugar de FileReader necesita usar new InputStreamReader(new FileInputStream(pathToFile), <encoding>).

Answer 2

FileReader usa la codificación predeterminada de plataforma de Java, que depende de la configuración del sistema de la computadora en la que se ejecuta y generalmente es la codificación más popular entre los usuarios de esa localidad.

Si esta "mejor suposición" no es correcta, entonces debe especificar la codificación explícitamente. Desafortunadamente, FileReader no permite esto (supervisión mayor en la API). En su lugar, debe usar new InputStreamReader(new FileInputStream(filePath), encoding) e idealmente obtener la codificación de metadatos sobre el archivo.