可以用Java在多個字符集中編碼文件嗎？

Question

我正在開發一個Java插件，它允許人們通過指定他們希望使用的字符集編碼來寫入和讀取文件。 但是，我對如何在單個文件中編碼多個編碼感到困惑。 例如，假設A字符來自一個字符集而B字符來自另一個字符，是否可以將“AAAAABBBBBAAAAA”寫入文件？

如果不可能，對於任何編程語言，或者特別是Java，這通常是正確的嗎？ 如果有可能，我將如何繼續讀取（解碼）文件？

我不想使用Charset的encode（）和decode（）方法，因為使用它們的測試失敗了（一些字符集未被正確解碼）。 我也不想出於各種原因使用第三方程序，所以這個問題的范圍純粹是標准的java包/代碼。

非常感謝！
NS

Answer 1

您需要將其作為字節流讀取並事先知道字符開始和結束的字節位置，或使用一些特殊的分隔符/字節范圍來指示字符組的開始和結束。 這樣，您可以獲取特定字符組的字節，最后使用所需的字符編碼對其進行解碼。

此問題並非特定於Java。 這個要求很奇怪。 我想知道如何混合像這樣的字符編碼。 只需使用一種統一編碼，例如UTF-8，它幾乎支持人類所知的所有字符。

Answer 2

當然，原則上可以將以不同字符集編碼的文本寫入一個文件中，但為什么要這樣做呢？

字符編碼只是從文本字符到字節的映射，反之亦然。 文件由字節組成。 編寫文件時，字符編碼確定字符如何轉換為字節，並在讀取時確定如何將字節轉換回字符。

您可以將文件的一部分編碼為一個字符編碼，另一部分使用另一個字符編碼。 您必須有一些機制來跟蹤哪些部分使用什么編碼進行編碼，因為該文件不會自動跟蹤您的情況。

Answer 3

我也想知道這件事，因為我的客戶剛問了一個類似的問題。 就像BalusC提到的那樣，這不是特定於java的問題。 經過幾次來回，我發現真正的問題可能是“信息的多重編碼”，而不是多個編碼文件。 即我們有一個xml字符串文本需要用8859-1編碼，如果我們將其保存為文件，那么我們需要對其進行編碼。 xml的默認編碼是UTF-8，我們可能不需要將整個xml編碼為8859-1。 由於xml節點只是將信息傳遞給其他系統和內容（xml節點的值，需要與8859-1保持一致）的工具。 那么在這種情況下我們需要多個編碼嗎？ 可能不是。 我們仍然可以使用UTF-8對xml進行編碼，然后將其傳遞。 一旦客戶端收到xml，他們就需要從UTF-8編碼文件中讀取信息，並將xml節點的值保持為8859-1。