java - 无法读取任何包含特定字符的文件

Question

长话短说

为什么用 – 读取文件在 Notepad 上找不到任何数据？

问题:

到目前为止，我一直只使用普通的 ol'记事本(版本 6.1)来读/写文本以测试/回答此处的问题。

读取文本文件内容并将其打印到控制台的简单代码:

Scanner sc = new Scanner(new File("myfile.txt"));
while (sc.hasNextLine()) {
    String text = sc.nextLine();
    System.out.println(text);
}

一切正常，线条按预期打印。

然后，如果我在文本文件的任何地方输入这个精确字符:–，它不会读取任何文件，也不会在控制台打印任何内容.

我当然可以使用 Notepad++ 或其他(更好的)文本编辑器，没有问题，文本(包括破折号字符)将按预期打印。

我还可以指定 UTF-8，使用 Notepad，它会正常工作:

File fileDir = new File("myfile.txt");
BufferedReader in = new BufferedReader(
        new InputStreamReader(
               new FileInputStream(fileDir), "UTF8"));
String str;
while ((str = in.readLine()) != null) {
       System.out.println(str);
}

在我原来的 Notepad 文件中，如果我将文本(包括 –)复制并粘贴到 Notepad++ 中，然后将两个文件与WinMerge，它告诉我 Notepad 上的破折号是 –，但在 Notepad++ 上，它是 – 。

问题:

为什么，当这个 – 在 Notepad 的文本文件中使用时，它读取nothing，基本上告诉我 hasNextLine () 是假的？它是否应该至少读取包含此特定字符的行之前的输入？

重现步骤:

• 在 Windows 7 上，右键单击并创建新的文本文档。
• 在文件中放入任何文本(不包含任何特殊字符)
• 将这个字符放在文件的任意位置:–
• 运行上面的第一段代码

输出:BUILD SUCCESSFUL(总时间:1 秒)，即不打印任何文本。

附言:

我知道我问了一个类似的问题(好吧，结果是一样的)question昨天，但不幸的是，我似乎没有很好地解释自己，或者有些观众没有完全阅读问题。不管怎样，我想我在这里解释得更好。

Answer 1

问题似乎是编码的差异。您必须使用与写入文件相同的编码进行读取。

您的系统记事本可能使用 Windows-1252 (或 Cp-1252)编码。这种编码范围在 128 - 159 之间的字符存在问题。Dash 位于该范围之间。该范围不存在于等效的 ISO 8859-1 中，仅存在于 Cp1252 编码中。

Eclipse 在读取记事本文件时假定文件的编码为 ISO-8859-1(因为它是等效的)。但是这个字符在 ISO-8859-1 中不存在，因此出现了问题。如果你想从 Java 读取，你必须指定 Cp1252，你应该得到你的输出。

这也是为什么当记事本中的文件是用 UTF-8 编写的时，您的 UTF-8 代码可以正常工作的原因。