Java FileReaderエンコーディングの問題

java.io.FileReaderを使用していくつかのテキストファイルを読み取って文字列に変換しようとしましたが、結果が正しくエンコードされておらず、まったく読み取れません。

これが私の環境です：

• Windows 2003、OSエンコーディング：CP1252

• Java 5.0

私のファイルはUTF-8エンコードまたはCP1252エンコードされており、一部のファイル（UTF-8エンコードファイル）には中国語（非ラテン）文字が含まれている場合があります。

次のコードを使用して作業を行います。

   private static String readFileAsString(String filePath)
    throws java.io.IOException{
        StringBuffer fileData = new StringBuffer(1000);
        FileReader reader = new FileReader(filePath);
        //System.out.println(reader.getEncoding());
        BufferedReader reader = new BufferedReader(reader);
        char[] buf = new char[1024];
        int numRead=0;
        while((numRead=reader.read(buf)) != -1){
            String readData = String.valueOf(buf, 0, numRead);
            fileData.append(readData);
            buf = new char[1024];
        }
        reader.close();
        return fileData.toString();
    }

上記のコードは機能しません。テキストがUTF-8でエンコードされていても、FileReaderのエンコードはCP1252であることがわかりました。しかし、java.io.FileReaderのJavaDocは次のように述べています。

このクラスのコンストラクタは、デフォルトの文字エンコーディングとデフォルトのバイトバッファサイズが適切であることを前提としています。

これは、FileReaderを使用している場合、自分で文字エンコーディングを設定する必要がないことを意味しますか？しかし、私は現在誤ってエンコードされたデータを取得しました、私の状況に対処する正しい方法は何ですか？ありがとう。

はい、読み取るファイルのエンコーディングを指定する必要があります。

はい。これは、読み取るファイルのエンコーディングを知っている必要があることを意味します。

いいえ、特定の「プレーンテキスト」ファイルのエンコーディングを推測する一般的な方法はありません。

の引数が1つのコンストラクタは、FileReader常にプラットフォームのデフォルトのエンコーディングを使用しますが、これは一般に悪い考えです。

Java 11以降FileReaderは、エンコーディングを受け入れるコンストラクタも取得new FileReader(file, charset)していnew FileReader(fileName, charset)ます。

以前のバージョンのJavaでは、を使用する必要があります。new InputStreamReader(new FileInputStream(pathToFile), <encoding>)

FileReader は、Javaのプラットフォームのデフォルトのエンコーディングを使用します。これは、Javaを実行しているコンピュータのシステム設定に依存し、通常、そのロケールのユーザーの間で最も人気のあるエンコーディングです。

この「最良の推測」が正しくない場合は、エンコードを明示的に指定する必要があります。残念ながら、FileReaderこれは許可されていません（APIの主な見落とし）。代わりに、new InputStreamReader(new FileInputStream(filePath), encoding)ファイルに関するメタデータを使用し、理想的にはエンコーディングを取得する必要があります。

Java 11以降では、次のように使用できます。

public FileReader(String fileName, Charset charset) throws IOException;

Java 7以降のドキュメントの場合、これを使用できます。

BufferedReader reader = Files.newBufferedReader(path, StandardCharsets.UTF_8);

ここにすべてのCharsets ドキュメントがあります

たとえば、ファイルがCP1252にある場合、この方法を使用します

Charset.forName("windows-1252");

これは、IOとNIOの両方のドキュメントの Javaエンコーディングの他の正規名です

ファイルで取得したエンコーディングが正確にわからない場合は、Googleが提供するこのツールのようなサードパーティ製のライブラリを使用できます。

InputStreamReaderを使用するFileInputStreamは、直接FileReaderを使用するよりも優れています。後者では、エンコーディング文字セットを指定できないためです。

次に、BufferedReader、FileInputStream、およびInputStreamReaderを一緒に使用して、ファイルから行を読み取る例を示します。

List<String> words = new ArrayList<>();
List<String> meanings = new ArrayList<>();
public void readAll( ) throws IOException{
    String fileName = "College_Grade4.txt";
    String charset = "UTF-8";
    BufferedReader reader = new BufferedReader(
        new InputStreamReader(
            new FileInputStream(fileName), charset)); 

    String line; 
    while ((line = reader.readLine()) != null) { 
        line = line.trim();
        if( line.length() == 0 ) continue;
        int idx = line.indexOf("\t");
        words.add( line.substring(0, idx ));
        meanings.add( line.substring(idx+1));
    } 
    reader.close();
}

別のラテン語として、例えばキリル文字の場合、次のようなものを使用できます。

FileReader fr = new FileReader("src/text.txt", StandardCharsets.UTF_8);

また、.txtファイルがUTF-8（デフォルトではないANSI）形式で保存されていることを確認してください。乾杯！