本文详细介绍了文本文件与二进制文件的区别，并提供了读取文本文件时避免乱码的方法，包括如何获取文件编码格式及通过指定格式读取文件内容。同时，针对二进制文件的读取和写入提供了安全的实现方式。
读取文件流时，经常会遇到乱码的现象，造成乱码的原因当然不可能是一个，这里主要介绍因为文件编码格式而导致的乱码的问题。首先，明确一点，文本文件与二进制文件的概念与差异。
文本文件是基于字符编码的文件，常见的编码有ASCII编码，UNICODE编码、ANSI编码等等。二进制文件是基于值编码的文件，你可以根据具体应用，指定某个值是什么意思（这样一个过程，可以看作是自定义编码。）
因此可以看出文本文件基本上是定长编码的(也有非定长的编码如UTF-8)。而二进制文件可看成是变长编码的，因为是值编码嘛，多少个比特代表一个值，完全由你决定。
对于二进制文件，是千万不能使用字符串的，因为字符串默认初始化时会使用系统默认编码，然而，二进制文件因为自定义编码自然与固定格式的编码会有所冲突，所以对于二进制的文件只能采用字节流读取、操作、写入。
对于文本文件，因为编码固定，所以只要在读取文件之前，采用文件自身的编码格式解析文件，然后获取字节，再然后，通过指定格式初始化字符串，那么得到的文本是不会乱码的。虽然，二进制文件也可以获取到它的文本编码格式，但是那是不准确的，所以不能同日而语。
具体操作如下：
1）获取文本文件的格式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
|
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) //单独出现BF以下的，也算是GBK
break;
if (0xC0 <= read && read <= 0xDF) {
read = bis.read();
if (0x80 <= read && read <= 0xBF)
//双字节 (0xC0 - 0xDF) (0x80 - 0xBF),也可能在GB编码内
continue;
else
break;
} else if (0xE0 <= read && read <= 0xEF) { //也有可能出错，但是几率较小
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文件的开头会多出几个字节，分别是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码
}
return encode;
}
|
2）通过文件的编码格式读取文件流
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/**
* 通过路径获取文件的内容，这个方法因为用到了字符串作为载体，为了正确读取文件（不乱码），只能读取文本文件，安全方法！
*/
public static String readFile(String path){
String data = null;
// 判断文件是否存在
File file = new File(path);
if(!file.exists()){
return data;
}
// 获取文件编码格式
String code = FileEncode.getFileEncode(path);
InputStreamReader isr = null;
try{
// 根据编码格式解析文件
if("asci".equals(code)){
// 这里采用GBK编码，而不用环境编码格式，因为环境默认编码不等于操作系统编码
// code = System.getProperty("file.encoding");
code = "GBK";
}
isr = new InputStreamReader(new FileInputStream(file),code);
// 读取文件内容
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）通过文件指定的格式写入文件
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/**
* 按照指定的路径和编码格式保存文件内容，这个方法因为用到了字符串作为载体，为了正确写入文件（不乱码），只能写入文本内容，安全方法
*
* @param data
* 将要写入到文件中的字节数据
* @param path
* 文件路径,包含文件名
* @return boolean
* 当写入完毕时返回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）对于二进制文件而且内容很少的，例如Word文档等，可以使用如下方式读取、写入文件
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
/**
* 从指定路径读取文件到字节数组中,对于一些非文本格式的内容可以选用这个方法
* 457364578634785634534
* @param path
* 文件路径,包含文件名
* @return byte[]
* 文件字节数组
*
*/
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;
}
/**
* 把字节内容写入到对应的文件，对于一些非文本的文件可以采用这个方法。
* @param data
* 将要写入到文件中的字节数据
* @param path
* 文件路径,包含文件名
* @return boolean isOK 当写入完毕时返回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;
}
|
扫一扫
1095
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
