如何从 url 读取 csv 文件，java 中有 utf-8 个字符

Question

如何正确读取java中的a.csv文件？ 我有一个 utf-8 编码的文件，但无法正确读取某些字符。

我的代码：

String link = new String("https://stat.gov.pl/download/gfx/portalinformacyjny/pl/defaultstronaopisowa/4741/1/1/miesieczne_wskazniki_cen_towarow_i_uslug_konsumpcyjnych_od_1982_roku.csv");

URL url = new URL(link);

BufferedReader read = new BufferedReader(
        new InputStreamReader(url.openStream(), StandardCharsets.UTF_8));
String i;
while ((i = read.readLine()) != null)
    System.out.println(i);
read.close();

Answer 1

https://stat.gov.pl/download/gfx/portalinformacyjny/pl/defaultstronaopisowa/4741/1/1/miesieczne_wskazniki_cen_towarow_i_uslug_konsumpcyjnych_od_1982_roku.csv

那不是UTF-8！

因此，为什么您的代码失败了。 您假设它是 UTF-8。它不是。 此外，标头告诉您它是“二进制”（实际上不是，但重点是，服务器也没有给您字符集），因此您必须猜测。 可能是Windows-1250。

这个字节序列在那个 CSV 中：

57 61 72 74 6F 9C E6

最后两个是“有趣的”（另一个在 ASCII 块中，所以几乎每个编码都相同）。 所以那读Warto？ 在哪里？ 是有趣的部分。 如果这是Windows-1250 ，则拼写为 Wartość。 谷歌告诉我那是波兰语。

所以，你需要做三件事来解决这个问题：

1. 不要假设一切都是 UTF_8。
2. 学习 mojibake 侦探技能。 这涉及原始下载内容，使用十六进制编辑器，寻找看起来像熟悉术语一半的内容（例如 Warto..），然后查找可能的代码页并检查字节是否与您认为的相符。 这是一个拖累。 它没有捷径，当服务器不告诉你编码是什么时，mojibake 侦探技能是你唯一的选择。
3. 将StandardCharsets.UTF_8替换为"Windows-1250" ，我很确定它适用于任何 JVM。如果不是，oof。 您必须自己编写该代码页并将其注册为字符集。