问题描述
我有按ISO-8859-1编码的文件。我试图以单个String的形式读取它，对其进行一些正则表达式替换，并以相同的编码写回。
但是，我得到的结果文件似乎始终是UTF-8（至少根据Notepad ++而言），其中包含一些字符。
有人在这里看到我在做什么错吗？
private static void editFile(File source,File target) {
// Source and target encoding
Charset iso88591charset = Charset.forName("ISO-8859-1");
// Read the file as a single string
String fileContent = null;
try (Scanner scanner = new Scanner(source,iso88591charset)) {
fileContent = scanner.useDelimiter("\\Z").next();
} catch (IOException exception) {
LOGGER.error("Could not read input file as a single String.",exception);
return;
}
// Do some regex substitutions on the fileContent string
String newContent = regex(fileContent);
// Write the file back out in target encoding
try (BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(target),iso88591charset))) {
writer.write(newContent);
} catch (Exception exception) {
LOGGER.error("Could not write out edited file!",exception);
}
}
解决方法
您的代码实际上没有任何错误。 Notepad ++可以看到使用UTF-8编码的文件，因为在基本级别上，UTF-8和您尝试使用的编码之间没有区别。与UTF相比，仅特定字符有所不同，ISO中缺少某些（很多）字符。您可以阅读更多here，也可以在Google中搜索ISO-8859-1 vs UTF-8。
I've created a simple project with your code并使用与ISO编码不同的字符对其进行了测试-结果是IntelliJ（可能还包括Notepad ++-无法轻易检查，我在Linux上）识别为ISO-8859的文件-1。除此之外，我还添加了另一个类，该类利用Files类中的新（JDK11）功能。您使用的new Scanner(source,charset)已添加到JDK10中，所以我认为您可能已经在使用11。这是简化的代码：
private static void editFile(File source,File target) {
Charset charset = StandardCharsets.ISO_8859_1;
String fileContent;
try {
fileContent = Files.readString(source.toPath(),charset);
} catch (IOException exception) {
System.err.println("Could not read input file as a single String.");
exception.printStackTrace();
return;
}
String newContent = regex(fileContent);
try {
Files.writeString(target.toPath(),newContent,charset);
} catch (IOException exception) {
System.err.println("Could not write out edited file!");
exception.printStackTrace();
}
}
可以随时克隆存储库或在GitHub上进行检查，并使用您喜欢的任何代码版本。