Java解析文件乱码问题

动力节点小编来给大家讲一下Java解析文件乱码问题。

1.普通文件中文乱码

普通的文件是指我们平时用记事本可以看到内容的文件，例如.txt结尾的文件，这里为了测试，小编准备了了两个编码的文件，test.txt和test2.txt，test.txt是通过window创建的文件编码是 GBK，test2.txt是在编辑器里创建的，编辑器的编码是 UTF-8;

文件内容如下：

test.txt

test2.txt

方式一 :字节流读取字节转化为字符串显示

 //通过FileInputStream读取字节
 String path1 = "C:\Users\yanzhichao\Desktop\test.txt";
 String path2 = "C:\Users\yanzhichao\Desktop\test2.txt";
 InputStream inputStream1 = null;
 InputStream inputStream2 = null;
 try{
     inputStream1 = new FileInputStream(path1);
     byte[] bytes1 = T.IOUtils.toByteArray(inputStream1);
     System.out.println("****************************读取test1.txt文件 start *****************************");
     System.out.println("使用默认编码-----------------------------");
     System.out.println(new String(bytes1));
     System.out.println("使用UTF-8编码-----------------------------");
     System.out.println(new String(bytes1,"UTF-8"));
     System.out.println("使用GBK编码-----------------------------");
     System.out.println(new String(bytes1,"GBK"));
     System.out.println("使用GB2312编码-----------------------------");
     System.out.println(new String(bytes1,"GB2312"));
     System.out.println("使用ISO-8859-1编码-----------------------------");
     System.out.println(new String(bytes1,"ISO-8859-1"));
     System.out.println("****************************读取test1.txt文件 end *****************************");
     inputStream2 = new FileInputStream(path2);
     byte[] bytes2 = T.IOUtils.toByteArray(inputStream2);
     System.out.println("****************************读取test2.txt文件 start *****************************");
     System.out.println("使用默认编码-----------------------------");
     System.out.println(new String(bytes2));
     System.out.println("使用UTF-8编码-----------------------------");
     System.out.println(new String(bytes2,"UTF-8"));
     System.out.println("使用GBK编码-----------------------------");
     System.out.println(new String(bytes2,"GBK"));
     System.out.println("使用GB2312编码-----------------------------");
     System.out.println(new String(bytes2,"GB2312"));
     System.out.println("使用ISO-8859-1编码-----------------------------");
     System.out.println(new String(bytes2,"ISO-8859-1"));
     System.out.println("****************************读取test2.txt文件 end *****************************");
 } catch (Exception e) {
     e.printStackTrace();
 } finally {
     if(inputStream1 != null) {
         try {
             inputStream1.close();
         } catch (IOException e) {
             e.printStackTrace();
         }
     }
 }

代码中T.IOUtils.toByteArray是封装的工具类，其实里面使用的就是apache的IOUtils，这里不进行累述。

代码读取了两个文件，执行结果如下：

****************************读取test1.txt文件 start *****************************
使用默认编码-----------------------------
111����
使用UTF-8编码-----------------------------
111����
使用GBK编码-----------------------------
111测试
使用GB2312编码-----------------------------
111测试
使用ISO-8859-1编码-----------------------------
111²âÊÔ
****************************读取test1.txt文件 end *****************************
****************************读取test2.txt文件 start *****************************
使用默认编码-----------------------------
##=====Set Dubbo Begin=====
## Dubbo注册中心地址
使用UTF-8编码-----------------------------
##=====Set Dubbo Begin=====
## Dubbo注册中心地址
使用GBK编码-----------------------------
锘�##=====Set Dubbo Begin=====
## Dubbo娉ㄥ唽涓績鍦板潃
使用GB2312编码-----------------------------
锘�##=====Set Dubbo Begin=====
## Dubbo娉ㄥ��涓�蹇��板��
使用ISO-8859-1编码-----------------------------
##=====Set Dubbo Begin=====
## Dubbo注册中心地址
****************************读取test2.txt文件 end *****************************

结果显而易见，编码不同出现中文乱码，这里乱码的原因是因为 new String()。java在字节转化为字符时不指定编码则会使用默认编码，我的编辑器默认编码是 UTF-8，所以出现上面的结果。

方式二 : 字符流读取字符显示

 //通过InputStreamReader读取字符
String path1 = "C:\Users\yanzhichao\Desktop\test.txt";
String path2 = "C:\Users\yanzhichao\Desktop\test2.txt";
InputStreamReader reader1 = null;
InputStreamReader reader2 = null;
try{
    System.out.println("以字符为单位读取文件内容，一次读多个字节：");
    // 一次读多个字符
    char[] tempchars = new char[30];
    int charread = 0;
    reader1 = new InputStreamReader(new FileInputStream(path1));
    System.out.println("使用默认编码（UTF-8）：");
    // 读入多个字符到字符数组中，charread为一次读取字符数
    while ((charread = reader1.read(tempchars)) != -1) {
        // 同样屏蔽掉
不显示
        if ((charread == tempchars.length)
                && (tempchars[tempchars.length - 1] != '
')) {
            System.out.print(tempchars);
        } else {
            for (int i = 0; i < charread; i++) {
                if (tempchars[i] == '
') {
                    continue;
                } else {
                    System.out.print(tempchars[i]);
                }
            }
        }
    }
    System.out.println();
    reader2 = new InputStreamReader(new FileInputStream(path1),"GBK");
    System.out.println("使用GBK编码：");
    tempchars = new char[30];
    charread = 0;
    // 读入多个字符到字符数组中，charread为一次读取字符数
    while ((charread = reader2.read(tempchars)) != -1) {
        // 同样屏蔽掉
不显示
        if ((charread == tempchars.length)
                && (tempchars[tempchars.length - 1] != '
')) {
            System.out.print(tempchars);
        } else {
            for (int i = 0; i < charread; i++) {
                if (tempchars[i] == '
') {
                    continue;
                } else {
                    System.out.print(tempchars[i]);
                }
            }
        }
    }
} catch (Exception e) {
    e.printStackTrace();
} finally {
    if(reader1 != null) {
        try {
            reader1.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
    if(reader2 != null) {
        try {
            reader2.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

代码只读取了test.txt，执行结果如下：

以字符为单位读取文件内容，一次读多个字节：
使用默认编码（UTF-8）：
111����
使用GBK编码：
111测试

显然，和上面是一样的，需要对应编码

2.字节文件损坏、乱码

字节文件一般来说是要对应的工具才能打开的，用记事本打开也看不到什么信息。

这里小编将之前的两个文件加入到压缩文件Desktop.rar中，代码如下：

 String path1 = "C:\Users\yanzhichao\Desktop\test.txt";
 String path2 = "C:\Users\yanzhichao\Desktop\test2.txt";
 String zipName = "C:\Users\yanzhichao\Desktop\Desktop.rar";
 String zipName2 = "C:\Users\yanzhichao\Desktop\Desktop2.rar";
 String folderName = "test";
 List<String> filePathList = new ArrayList<>();
 filePathList.add(path1);
 filePathList.add(path2);
 InputStream is = null;
 InputStream is2 = null;
 ZipFile zip = null;
 ZipFile zip2 = null;
 try {
     //方法一
     zip = new ZipFile(zipName);
     ZipParameters para = null;
     File file = null;
     for (String fliePath : filePathList) {
         file = new File(fliePath);
         para = new ZipParameters();
         para.setCompressionMethod(Zip4jConstants.COMP_DEFLATE);
         para.setFileNameInZip(folderName+ fliePath.substring(fliePath.lastIndexOf(File.separator)));
         para.setSourceExternalStream(true);
         is = new ByteArrayInputStream(T.FileUtils.readFileToByteArray(file));
         zip.addStream(is, para);
     }
     //方法二
     zip2 = new ZipFile(zipName2);
     ZipParameters para2 = null;
     for (String fliePath : filePathList) {
         String content = new String(T.IOUtils.toByteArray(new FileInputStream(fliePath)));
         para2 = new ZipParameters();
         para2.setCompressionMethod(Zip4jConstants.COMP_DEFLATE);
         para2.setFileNameInZip(folderName+ fliePath.substring(fliePath.lastIndexOf(File.separator)));
         para2.setSourceExternalStream(true);
         is2 = new ByteArrayInputStream(content.getBytes());
         zip2.addStream(is2, para2);
     }
 } catch (ZipException | IOException e) {
     e.printStackTrace();
 } finally {
     if (is != null) {
         try {
             is.close();
         } catch (IOException e) {
             e.printStackTrace();
         }
     }
     if (is2 != null) {
         try {
             is2.close();
         } catch (IOException e) {
             e.printStackTrace();
         }
     }
 }
}

代码中使用了zip4j工具类进行压缩，读取文件转换为字节数组使用的是apache的工具类。

执行后的结果是Desktop2.rar中的中文存在乱码，其他的正常。

如果对压缩文件进行再压缩时，第二种方法出来的压缩文件不会有问题，但是打开里面的压缩文件会提示损坏。