在Java中从BufferedReader到BufferedWriter的字符损坏

Question

在Java中，我试图解析包含复杂文本（如希腊符号）的HTML文件。

当文本包含左向引号时，我遇到一个已知问题。 文字如

mutations to particular “hotspot” regions

变

 mutations to particular “hotspot�? regions

我通过写一个简单的文本副本meathod来解决这个问题：

public static int CopyFile()
{
    try
    {
    StringBuffer sb = null;
    String NullSpace = System.getProperty("line.separator");
    Writer output = new BufferedWriter(new FileWriter(outputFile));
    String line;
    BufferedReader input =  new BufferedReader(new FileReader(myFile));
while((line = input.readLine())!=null)
    {
        sb = new StringBuffer();
        //Parsing would happen
        sb.append(line);
        output.write(sb.toString()+NullSpace);
    }
        return 0;
    }
    catch (Exception e)
    {
        return 1;
    }
}

任何人都可以提供一些建议，如何纠正这个问题？

★我的解决方案

InputStream in = new FileInputStream(myFile);
        Reader reader = new InputStreamReader(in,"utf-8");
        Reader buffer = new BufferedReader(reader);
        Writer output = new BufferedWriter(new FileWriter(outputFile));
        int r;
        while ((r = reader.read()) != -1)
        {
            if (r<126)
            {
                output.write(r);
            }
            else
            {
                output.write("&#"+Integer.toString(r)+";");
            }
        }
        output.flush();

Answer 1

读取的文件与写入的文件（可能是ISO-8859-1）的编码（可能是UTF-8）不同。

请尝试以下操作以生成具有UTF-8编码的文件：

BufferedWriter output = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outputFile),"UTF8"));

不幸的是，确定文件的编码非常困难。 请参阅Java：如何确定流的正确charset编码

Answer 2

除了Thierry-Dimitri Roy所写的内容之外，如果您知道编码，则必须通过一些额外的工作来创建FileReader 。 来自文档：

用于读取字符文件的便捷类。 此类的构造函数假定默认字符编码和默认字节缓冲区大小是适当的。 要自己指定这些值，请在FileInputStream上构造一个InputStreamReader。

Answer 3

FileReader的Javadoc说：

此类的构造函数假定默认字符编码和默认字节缓冲区大小是适当的。 要自己指定这些值，请在FileInputStream上构造一个InputStreamReader。

在你的情况下，默认的字符编码可能是不恰当的。 找到输入文件使用的编码，并指定它。 例如：

FileInputStream fis = new FileInputStream(myFile);
InputStreamReader isr = new InputStreamReader(fis, "charset name goes here");
BufferedReader input = new BufferedReader(isr);