如何從 url 讀取 csv 文件，java 中有 utf-8 個字符

Question

如何正確讀取java中的a.csv文件？ 我有一個 utf-8 編碼的文件，但無法正確讀取某些字符。

我的代碼：

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，為什么您的代碼失敗了。 您假設它是 UTF-8。它不是。 此外，標頭告訴您它是“二進制”（實際上不是，但重點是，服務器也沒有給您字符集），因此您必須猜測。 可能是Windows-1250。

這個字節序列在那個 CSV 中：

57 61 72 74 6F 9C E6

最后兩個是“有趣的”（另一個在 ASCII 塊中，所以幾乎每個編碼都相同）。 所以那讀Warto？ 在哪里？ 是有趣的部分。 如果這是Windows-1250 ，則拼寫為 Wartość。 谷歌告訴我那是波蘭語。

所以，你需要做三件事來解決這個問題：

1. 不要假設一切都是 UTF_8。
2. 學習 mojibake 偵探技能。 這涉及原始下載內容，使用十六進制編輯器，尋找看起來像熟悉術語一半的內容（例如 Warto..），然后查找可能的代碼頁並檢查字節是否與您認為的相符。 這是一個拖累。 它沒有捷徑，當服務器不告訴你編碼是什么時，mojibake 偵探技能是你唯一的選擇。
3. 將StandardCharsets.UTF_8替換為"Windows-1250" ，我很確定它適用於任何 JVM。如果不是，oof。 您必須自己編寫該代碼頁並將其注冊為字符集。