讀取任何有奇怪編碼的文本文件？

Question

我有一個帶有奇怪編碼“UCS-2 Little Endian”的文本文件，我想用Java讀取它的內容。

正如您在上面的屏幕截圖中看到的那樣，文件內容在Notepad ++中顯示正常，但是當我使用此代碼讀取它時，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 
}

重點是用戶選擇要讀取的文件，因此它可以是任何編碼，並且因為我無法檢測文件編碼，所以我使用“UTF8”對其進行解碼，但如上例所示，它無法正確讀取。

有沒有以正確的方式閱讀這些奇怪的文件？ 或者至少可以檢測出我的代碼是否無法正確讀取它？

Answer 1

您在InputStreamReader構造函數中使用UTF-8作為編碼，因此它將嘗試將字節解釋為UTF-8而不是UCS-LE。 這是文檔： Charset

我想你需要根據它使用UTF-16LE。

以下是有關受支持的字符集及其Java名稱的更多信息： 支持的編碼

Answer 2

您在InputStreamReader提供了錯誤的編碼。 您是否嘗試過使用UTF-16LE而不是UTF8？

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

根據Charset說法：

UTF-16LE 16位UCS轉換格式，little-endian字節順序

Answer 3

您不能對所有文件使用UTF-8編碼，尤其是在您不知道期望哪種文件編碼的情況下。 在讀取文件之前使用可以檢測文件編碼的庫，例如： juniversalchardet或jChardet

有關更多信息，請參閱Java：如何確定流的正確charset編碼