java读取txt文件乱码惹人烦

java读取txt文件乱码解决方案
2017年09月19日 14:42:52 sysmedia 阅读数 3682
因为txt默认的选项是ANSI，即GBK编码。GBK和GB2312都是中文编码，在这里解释一下两者的区别。

总体说来，GBK包括所有的汉字，包括简体和繁体。而gb2312则只包括简体汉字。

GBK:   汉字国标扩展码,基本上采用了原来GB2312-80所有的汉字及码位，并涵盖了原Unicode中所有的汉字20902，总共收录了883个符号，   21003个汉字及提供了1894个造字码位。   Microsoft简体版中文Windows   95就是以GBK为内码，又由于GBK同时也涵盖了Unicode所有CJK汉字，所以也可以和Unicode做一一对应。

GB码，全称是GB2312-80《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。P-Windows3.2和苹果OS就是以GB2312为基本汉字编码， Windows 95/98则以GBK为基本汉字编码、但兼容支持GB2312。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。该标准的制定和应用为规范、推动中文信息化进程起了很大作用。



GBK编码是*制订的、等同于UCS的新的中文编码扩展国家标准。GBK工作小组于1995年10月，同年12月完成GBK规范。该编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库。



那么如何查看txt的编码呢，教你一个笨笨的办法：打开文件——另存为，然后看到最下面的编码，默认选择的就是当前文档的编码格式）。

txt文本文档有四种编码选项：ANSI、Unicode、Unicode big endian、UTF-8;默认应该是ANSI选项，就是系统的默认编码，一般是GBK。

因此我们读取txt文件可能有时候并不知道其编码格式，所以需要用程序动态判断获取txt文件编码，这里给一点资料，参考参考： 

ANSI： 无格式定义 

Unicode：  前两个字节为FFFE Unicode文档以0xFFFE开头

Unicode big endian： 前两字节为FEFF 

UTF-8： 前两字节为EFBB UTF-8以0xEFBBBF开头

用程序取出前几个字节并进行判断即可。



首先对java中得编码格式进行了研究。发现在java中

java编码与txt编码对应
java txt
unicode unicode big endian
utf-8 utf-8
utf-16 unicode
gb2312 ANSI


java读取txt文件，如果编码格式不匹配，就会出现乱码现象。所以读取txt文件的时候需要设置读取编码。txt文档编码格式都是写在文件头的，在程序中需要先解析文件的编码格式，获得编码格式后，在按此格式读取文件就不会产生乱码了。





代码示例如下：





Java代码  收藏代码
package com.lfl.attachment; 
 
import java.io.BufferedReader; 
import java.io.File; 
import java.io.FileInputStream; 
import java.io.InputStream; 
import java.io.InputStreamReader; 
 
public class TextMain { 
 
    public static void main(String[] args) throws Exception { 
        String filePath = "D:/article.txt"; 
//      String filePath = "D:/article333.txt";   
//      String filePath = "D:/article111.txt";   
        String content = readTxt(filePath); 
        System.out.println(content); 
         
    } 
 
     
     
    /**
     * 解析普通文本文件  流式文件 如txt
     * @param path
     * @return
     */ 
    @SuppressWarnings("unused") 
    public static String readTxt(String path){ 
        StringBuilder content = new StringBuilder(""); 
        try { 
            String code = resolveCode(path); 
            File file = new File(path); 
            InputStream is = new FileInputStream(file); 
            InputStreamReader isr = new InputStreamReader(is, code); 
            BufferedReader br = new BufferedReader(isr); 
//          char[] buf = new char[1024]; 
//          int i = br.read(buf); 
//          String s= new String(buf); 
//          System.out.println(s); 
            String str = ""; 
            while (null != (str = br.readLine())) { 
                content.append(str); 
            } 
            br.close(); 
        } catch (Exception e) { 
            e.printStackTrace(); 
            System.err.println("读取文件:" + path + "失败!"); 
        } 
        return content.toString(); 
    } 
     
     
     
    public static String resolveCode(String path) throws Exception { 
//      String filePath = "D:/article.txt"; //[-76, -85, -71]  ANSI 
//      String filePath = "D:/article111.txt";  //[-2, -1, 79] unicode big endian 
//      String filePath = "D:/article222.txt";  //[-1, -2, 32]  unicode 
//      String filePath = "D:/article333.txt";  //[-17, -69, -65] UTF-8 
        InputStream inputStream = new FileInputStream(path);   
        byte[] head = new byte[3];   
        inputStream.read(head);     
        String code = "gb2312";  //或GBK 
        if (head[0] == -1 && head[1] == -2 )   
            code = "UTF-16";   
        else if (head[0] == -2 && head[1] == -1 )   
            code = "Unicode";   
        else if(head[0]==-17 && head[1]==-69 && head[2] ==-65)   
            code = "UTF-8";   
           
        inputStream.close(); 
         
        System.out.println(code);  
        return code; 
    } 
     
} 


注意：在resolveTxt方法中不能通过readTxt方法传InputStream流 ，这样会使两个方法持有同一个流引用，而在resolveTxt方法中已读过流中的三个字节，流中的pos此时已经是3了，而不是流的起始位置，再在readTxt中读取时就会出现IOException:Read Error。