字符串编码不输出所有字符

Question

我的客户端使用InputStreamReader/BufferedReader从Internet获取文本。 但是，当我将文本保存为* .txt时，文本会显示额外的奇怪特殊符号，如'Â'。

• 我试过把字符串转换成ASCII码，但是我使用的是混乱的upp，ä，ö，Ø。

• 我试过食物= food.replace("Â", ""); and IndexOf(); 但是字符串不会找到它。但它在HEX Editor中。

所以总结：当我使用text.setText（安卓），输出看起来很好，没有怪异的符号，但是当我保存文本* .TXT我得到“A”约4。我不想要ASCII，因为我使用其他非ASCII字符。 ''在我的Android和记事本中显示为空白。

谢谢！

周末愉快！

编辑： 通过删除所有非磨合空间解决了这个问题：

myString.replaceAll("\\u00a0"," "); 

Answer 1

你说你是取这样的：

in = new BufferedReader(new InputStreamReader(url.openStream(),"UTF-8")); 

有一个公平的机会，东西你正在提取的文件不是以UTF-8编码的。

您需要在HttpURLConnection对象上调用getContentType()，如果它不是null，请提取编码并在创建InputStreamReader时使用它。如果响应不提供具有有效编码的内容类型，则只需假定“UTF-8”。

---

经过思考，而你要注意服务器返回的内容类型，真正的问题是无论是在你正在写的* .txt文件，或显示工具的方式，正显示出奇怪的人物。

• 不清楚你用什么编码来编写文件。也许你选择了错误的一个。
• 显示工具可能假定文件具有不同的编码。也许它检测到文件是UTF-8或UTF-16是否有BOM。
• 显示工具可能被打断，并且不能理解非中断空格。

当您使用十六进制编辑器显示文件时，很可能使用8位字符集来呈现字节，并且该字符集最可能是Latin-1。但显然，该文件实际上编码方式不同。

无论如何，取代非破坏空间的方法是（IMO）破解，它不会处理将来可能遇到的其他东西。所以我建议你花点时间来真正理解问题，然后妥善解决。

---

最后，我想我明白为什么，你可能会得到一个字符。 Unicode Non-Break-Space字符是u00a0。当你将它编码为UTF-8时，你会得到C2 A0。但Latin-1中的C2是CAPITAL-A-CIRCUMFLEX，而Latin-1中的A0是非破坏空间。因此，“混淆”很可能是您的程序以UTF-8编写* .txt文件，并且该工具正在将其读取为Latin-1。