Java 讀取、寫入檔案——解決亂碼問題

標籤：

    讀取檔案流時，經常會遇到亂碼的現象，造成亂碼的原因當然不可能是一個，這裡主要介紹因為檔案編碼格式而導致的亂碼的問題。首先，明確一點，文字檔與二進位檔案的概念與差異。

    文字檔是基於字元編碼的檔案，常見的編碼有ASCII編碼，UNICODE編碼、ANSI編碼等等。二進位檔案是基於值編碼的檔案，你可以根據具體應用，指定某個值是什麼意思（這樣一個過程，可以看作是自訂編碼。）

    因此可以看出文字檔基本上是定長編碼的(也有非定長的編碼如UTF-8)。而二進位檔案可看成是變長編碼的，因為是值編碼嘛，多少個位元代表一個值，完全由你決定。

    對於二進位檔案，是千萬不能使用字串的，因為字串預設初始化時會使用系統預設編碼，然而，二進位檔案因為自訂編碼自然與固定格式的編碼會有所衝突，所以對於二進位的檔案只能採用位元組流讀取、操作、寫入。

    對於文字檔，因為編碼固定，所以只要在讀取檔案之前，採用檔案自身的編碼格式解析檔案，然後擷取位元組，再然後，通過指定格式初始化字串，那麼得到的文本是不會亂碼的。雖然，二進位檔案也可以擷取到它的文本編碼格式，但是那是不準確的，所以不能同日而語。

    具體操作如下：

1）擷取文字檔的格式

public static String getFileEncode(String path) {String charset ="asci";        byte[] first3Bytes = new byte[3];        BufferedInputStream bis = null;        try {            boolean checked = false;            bis = new BufferedInputStream(new FileInputStream(path));            bis.mark(0);            int read = bis.read(first3Bytes, 0, 3);            if (read == -1)                return charset;            if (first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE) {                charset = "Unicode";//UTF-16LE                checked = true;            } else if (first3Bytes[0] == (byte) 0xFE && first3Bytes[1] == (byte) 0xFF) {                charset = "Unicode";//UTF-16BE                checked = true;            } else if (first3Bytes[0] == (byte) 0xEF && first3Bytes[1] == (byte) 0xBB && first3Bytes[2] == (byte) 0xBF) {                charset = "UTF8";                checked = true;            }            bis.reset();            if (!checked) {                int len = 0;                int loc = 0;                while ((read = bis.read()) != -1) {                    loc++;                    if (read >= 0xF0)                        break;                    if (0x80 <= read && read <= 0xBF) //單獨出現BF以下的，也算是GBK                        break;                    if (0xC0 <= read && read <= 0xDF) {                        read = bis.read();                        if (0x80 <= read && read <= 0xBF)                         //雙位元組 (0xC0 - 0xDF) (0x80 - 0xBF),也可能在GB編碼內                            continue;                        else                            break;                    } else if (0xE0 <= read && read <= 0xEF) { //也有可能出錯，但是幾率較小                        read = bis.read();                        if (0x80 <= read && read <= 0xBF) {                            read = bis.read();                            if (0x80 <= read && read <= 0xBF) {                                charset = "UTF-8";                                break;                            } else                                break;                        } else                            break;                    }                }                //TextLogger.getLogger().info(loc + " " + Integer.toHexString(read));            }        } catch (Exception e) {            e.printStackTrace();        } finally {            if (bis != null) {                try {                    bis.close();                } catch (IOException ex) {                }            }        }        return charset;}private static String getEncode(int flag1, int flag2, int flag3) {String encode="";// txt檔案的開頭會多出幾個位元組，分別是FF、FE（Unicode）,// FE、FF（Unicode big endian）,EF、BB、BF（UTF-8）if (flag1 == 255 && flag2 == 254) {encode="Unicode";}else if (flag1 == 254 && flag2 == 255) {encode="UTF-16";}else if (flag1 == 239 && flag2 == 187 && flag3 == 191) {encode="UTF8";}else {encode="asci";// ASCII碼}return encode;}

2）通過檔案的編碼格式讀取檔案流

/** * 通過路徑擷取檔案的內容，這個方法因為用到了字串作為載體，為了正確讀取檔案（不亂碼），只能讀取文字檔，安全方法！ */public static String readFile(String path){String data = null;// 判斷檔案是否存在File file = new File(path);if(!file.exists()){return data;}// 擷取檔案編碼格式String code = FileEncode.getFileEncode(path);InputStreamReader isr = null;try{// 根據編碼格式解析檔案if("asci".equals(code)){// 這裡採用GBK編碼，而不用環境編碼格式，因為環境預設編碼不等於作業系統編碼 // code = System.getProperty("file.encoding");code = "GBK";}isr = new InputStreamReader(new FileInputStream(file),code);// 讀取檔案內容int length = -1 ;char[] buffer = new char[1024];StringBuffer sb = new StringBuffer();while((length = isr.read(buffer, 0, 1024) ) != -1){sb.append(buffer,0,length);}data = new String(sb);}catch(Exception e){e.printStackTrace();log.info("getFile IO Exception:"+e.getMessage());}finally{try {if(isr != null){isr.close();}} catch (IOException e) {e.printStackTrace();log.info("getFile IO Exception:"+e.getMessage());}}return data;}

3）通過檔案指定的格式寫入檔案

/** * 按照指定的路徑和編碼格式儲存檔案內容，這個方法因為用到了字串作為載體，為了正確寫入檔案（不亂碼），只能寫入常值內容，安全方法 *  * @param data *          將要寫入到檔案中的位元組資料 * @param path *          檔案路徑,包含檔案名稱 * @return boolean  * 當寫入完畢時返回true; */public static boolean writeFile(byte data[], String path , String code){boolean flag = true;OutputStreamWriter osw = null;try{File file = new File(path);if(!file.exists()){file = new File(file.getParent());if(!file.exists()){file.mkdirs();}}if("asci".equals(code)){code = "GBK";}osw = new OutputStreamWriter(new FileOutputStream(path),code);osw.write(new String(data,code));osw.flush();}catch(Exception e){e.printStackTrace();log.info("toFile IO Exception:"+e.getMessage());flag = false;}finally{try{if(osw != null){osw.close();}}catch(IOException e){e.printStackTrace();log.info("toFile IO Exception:"+e.getMessage());flag = false;}}return flag;}

4）對於二進位檔案而且內容很少的，例如Word文檔等，可以使用如下方式讀取、寫入檔案

/** * 從指定路徑讀取檔案到位元組數組中,對於一些非文字格式設定的內容可以選用這個方法 * 457364578634785634534 * @param path *          檔案路徑,包含檔案名稱 * @return byte[] *  檔案位元組數組 *             */public static byte[] getFile(String path) throws IOException {FileInputStream stream=new FileInputStream(path);int size=stream.available();byte data[]=new byte[size];stream.read(data);stream.close();stream=null;return data;}/** * 把位元組內容寫入到對應的檔案，對於一些非文本的檔案可以採用這個方法。 * @param data *            將要寫入到檔案中的位元組資料 * @param path *            檔案路徑,包含檔案名稱 * @return boolean isOK 當寫入完畢時返回true; * @throws Exception */public static boolean toFile(byte data[], String path) throws Exception {FileOutputStream out=new FileOutputStream(path);out.write(data);out.flush();out.close();out=null;return true;}

Java 讀取、寫入檔案——解決亂碼問題