java中从BufferedReader到BufferedWriter的字符损坏

Question

在 Java 中，我试图解析包含复杂文本（例如希腊符号）的 HTML 文件。

当文本包含左引号时，我遇到一个已知问题。文本例如

mutations to particular “hotspot” regions

成为

 mutations to particular “hotspot�? regions

我通过编写一个简单的文本复制方法隔离了问题：

public static int CopyFile()
{
    try
    {
    StringBuffer sb = null;
    String NullSpace = System.getProperty("line.separator");
    Writer output = new BufferedWriter(new FileWriter(outputFile));
    String line;
    BufferedReader input =  new BufferedReader(new FileReader(myFile));
while((line = input.readLine())!=null)
    {
        sb = new StringBuffer();
        //Parsing would happen
        sb.append(line);
        output.write(sb.toString()+NullSpace);
    }
        return 0;
    }
    catch (Exception e)
    {
        return 1;
    }
}

任何人都可以提供一些关于如何纠正此问题的建议吗？

★我的解决方案

InputStream in = new FileInputStream(myFile);
        Reader reader = new InputStreamReader(in,"utf-8");
        Reader buffer = new BufferedReader(reader);
        Writer output = new BufferedWriter(new FileWriter(outputFile));
        int r;
        while ((r = reader.read()) != -1)
        {
            if (r<126)
            {
                output.write(r);
            }
            else
            {
                output.write("&#"+Integer.toString(r)+";");
            }
        }
        output.flush();

Answer 1

读取的文件的编码（可能是 UTF-8）与写入的文件（可能是 ISO-8859-1）的编码不同。

请尝试以下操作来生成 UTF-8 编码的文件：

BufferedWriter output = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outputFile),"UTF8"));

不幸的是，确定文件的编码非常困难。请参阅 Java：如何确定正确的字符集编码流的

Answer 2

除了 Thierry-Dimitri Roy 所写的之外，如果您知道编码，则必须创建 FileReader 需要一些额外的工作。来自文档：

阅读便利课
字符文件。的构造函数
这个类假设默认
字符编码和默认值
字节缓冲区大小合适。到
自己指定这些值，
构造一个InputStreamReader
文件输入流。

Answer 3

FileReader 的 Javadoc< /a> 说：

此类的构造函数假定默认字符编码和默认字节缓冲区大小是适当的。要自己指定这些值，请在 FileInputStream 上构造一个 InputStreamReader。

在您的情况下，默认字符编码可能不合适。查找输入文件使用的编码并指定它。例如：

FileInputStream fis = new FileInputStream(myFile);
InputStreamReader isr = new InputStreamReader(fis, "charset name goes here");
BufferedReader input = new BufferedReader(isr);