如何讀取Java中的字符串流丟棄非法字符？

Question

我必須解析來自TCP連接的字節流，該連接應該只給我可打印的字符，但實際上並非總是這樣。 我在那里看到了一些二進制零，在某些字段的開頭和結尾。 我無法控制數據源，我需要處理“臟”行。 如果我可以過濾掉無效字符，那就沒問題了。 相關代碼如下：

srvr = new ServerSocket(myport);
skt = srvr.accept();
// Tried with no encoding argument too
in = new Scanner(skt.getInputStream(), "ISO-8859-1");
in.useDelimiter("[\r\n]");
for (;;) {
    String myline = in.next();
    if (!myline.equals(""))
        ProcessRecord(myline);
}

我在每條有“污垢”的行都會遇到異常。 什么是過濾掉無效字符同時仍然能夠獲得其余字符串的好方法？

Answer 1

您必須將您的InputStream包裝在CharsetDecoder ，定義一個空的錯誤處理程序：

//let's create a decoder for ISO-8859-1 which will just ignore invalid data
CharsetDecoder decoder=Charset.forName("ISO-8859-1").newDecoder();
decoder.onMalformedInput(CodingErrorAction.IGNORE);
decoder.onUnmappableCharacter(CodingErrorAction.IGNORE);
//let's wrap the inputstream into the decoder
InputStream is=skt.getInputStream();
in = new Scanner(decoder.decode(is));

您還可以使用自定義CodingErrorAction並在編碼錯誤時定義您自己的操作。

Answer 2

最純粹的解決方案是過濾InputStream（二進制字節級I / O）。

in = new Scanner(new DirtFilterInputStream(skt.getInputStream()), "Windows-1252");

public class DirtFilterInputStream extends InputStream {

    private InputStream in;

    public DirtFilterInputStream(InputStream in) {
        this.in = in;
    }

    @Override
    public int read() throws IOException {
        int ch = in.read();
        if (ch != -1) {
            if (ch == 0) {
                ch = read();
            }
        }
        return ch;
    }

}

（您需要覆蓋所有方法，並委托給原始流。）Windows-1252是Windows Latin-1，擴展拉丁語1，ISO-8859-1，使用0x80 - 0xBF。

Answer 3

我完全偏離了基地。 我得到“臟”字符串沒有問題（不，我沒有選項來清理數據源，它來自一個封閉的系統，我不得不笑着處理它）但是試圖將它們存儲在PostgreSQL中是得到的我是例外。 這意味着我可以在處理之前完全自由地清理它。