阅读任何具有奇怪编码的文本文件？

Question

我有一个带有奇怪编码“UCS-2 Little Endian”的文本文件，我想用Java读取它的内容。

正如你可以在上面的截图中看到文件的内容出现在记事本++很好，但是当我使用此代码读它，只是垃圾被打印在控制台：

String textFilePath = "c:\strange_file_encoding.txt" 
BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(filePath), "UTF8")); 
String line = ""; 

while ((line = reader.readLine()) != null) { 
    System.out.println(line); // Prints garbage characters 
} 

重点是用户选择要读取的文件，因此它可以是任何编码，并且由于我无法检测到文件编码，我使用“UTF8”对其进行解码，但是如上例所示，它无法正确读取。

有没有正确的方式阅读这些奇怪的文件？或者至少我可以检测到我的代码是否会读取不正确？

Answer 1

您使用UTF-8作为您的编码InputStreamReader构造函数，所以它会尝试将字节解释为UTF-8而不是UCS-LE。这里是文档：Charset

我想你需要使用UTF-16LE根据它。

这里是所支持的字符集及其Java名称的详细信息： Supported Encodings

Answer 2

您在InputStreamReader中提供了错误的编码。如果使用UTF8，您是否尝试过使用UTF-16LE？

BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(filePath), "UTF-16LE")); 

根据Charset：

UTF-16LE十六位UCS转换格式，小尾数字节 为了

Answer 3

不能使用UTF-8编码的所有文件，特别是如果你不知道会发生哪些文件编码。使用它可以检测文件编码库的读入文件之前，例如：juniversalchardet或jChardet

欲了解更多信息请参阅Java : How to determine the correct charset encoding of a stream