读取任何有奇怪编码的文本文件？

Question

我有一个带有奇怪编码“UCS-2 Little Endian”的文本文件，我想用Java读取它的内容。

正如您在上面的屏幕截图中看到的那样，文件内容在Notepad ++中显示正常，但是当我使用此代码读取它时，只是在控制台中打印垃圾：

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 
}

重点是用户选择要读取的文件，因此它可以是任何编码，并且因为我无法检测文件编码，所以我使用“UTF8”对其进行解码，但如上例所示，它无法正确读取。

有没有以正确的方式阅读这些奇怪的文件？ 或者至少可以检测出我的代码是否无法正确读取它？

Answer 1

您在InputStreamReader构造函数中使用UTF-8作为编码，因此它将尝试将字节解释为UTF-8而不是UCS-LE。 这是文档： Charset

我想你需要根据它使用UTF-16LE。

以下是有关受支持的字符集及其Java名称的更多信息： 支持的编码

Answer 2

您在InputStreamReader提供了错误的编码。 您是否尝试过使用UTF-16LE而不是UTF8？

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

根据Charset说法：

UTF-16LE 16位UCS转换格式，little-endian字节顺序

Answer 3

您不能对所有文件使用UTF-8编码，尤其是在您不知道期望哪种文件编码的情况下。 在读取文件之前使用可以检测文件编码的库，例如： juniversalchardet或jChardet

有关更多信息，请参阅Java：如何确定流的正确charset编码