在java和csv文件中设置UTF-8

Question

我使用此代码通过 OpenCSV 将波斯语单词添加到 csv 文件中：

String[] entries="\u0645 \u062E\u062F\u0627".split("#");
try{
    CSVWriter writer=new CSVWriter(new OutputStreamWriter(new FileOutputStream("C:\\test.csv"), "UTF-8"));

    writer.writeNext(entries);
    writer.close();
}
catch(IOException ioe){
    ioe.printStackTrace();
}

当我打开生成的 csv 文件时， Excel，它包含“ứỶờịỆ”。其他程序（例如 notepad.exe）没有此问题，但我的所有用户都使用 MS Excel。

将 OpenCSV 替换为 SuperCSV 并不能解决此问题。

当我手动将波斯语字符输入 csv 文件时，没有任何问题。

Answer 1

我花了一些时间但找到了解决你的问题的方法。

首先，我打开记事本并写下以下行：שלום，你好，привет
然后我使用 UTF-8 将其保存为文件 he-en-ru.csv。
然后我用 MS Excel 打开它，一切正常。

现在，我编写了一个简单的 java 程序，将这一行打印到文件中，如下所示：

    PrintWriter w = new PrintWriter(new OutputStreamWriter(os, "UTF-8"));
    w.print(line);
    w.flush();
    w.close();

当我使用 Excel 打开此文件时，我看到了“乱码”。

然后我尝试读取 2 个文件的内容（如预期），看到记事本生成的文件包含 3 个字节前缀：

    239 EF
    187 BB
    191 BF

因此，我修改了代码以首先打印此前缀，然后打印文本：

    String line = "שלום, hello, привет";
    OutputStream os = new FileOutputStream("c:/temp/j.csv");
    os.write(239);
    os.write(187);
    os.write(191);

    PrintWriter w = new PrintWriter(new OutputStreamWriter(os, "UTF-8"));

    w.print(line);
    w.flush();
    w.close();

它起作用了！我使用 Excel 打开该文件并看到了我预期的文本。

底线：在写入内容之前写入这 3 个字节。此前缀表示内容采用 'UTF-8 with BOM'（否则它只是“没有 BOM 的 UTF-8”）。

Answer 2

不幸的是，CSV 是一种非常特殊的格式，没有元数据，也没有强制灵活编码的真正标准。只要您使用 CSV，就无法可靠地使用 ASCII 之外的任何字符。

您的替代方案：

• 写入 XML（如果操作正确，它确实具有编码元数据）并让用户 将 XML 导入 Excel。
• 使用 Apache POI 创建实际的 Excel 文档。

Answer 3

Excel 不使用 UTF8 打开 CSV 文件。这是一个已知问题。实际使用的编码取决于 Microsoft Windows 的区域设置。例如，对于德国 lcoale，Excel 将使用 CP1252 打开 CSV 文件。

您可以创建一个包含一些波斯语字符的 Excel 文件并将其另存为 CSV 文件。然后编写一个小的Java程序来读取这个文件并测试一些常见的编码。这就是我用来计算 CSV 文件中德语元音变音的正确编码的方法。