java - 在 Java 中读取 UTF-8 文件时出错

Question

我正在尝试从包含 unicode 字符的文件中读取一些句子。它确实打印出一个字符串，但由于某种原因它弄乱了 unicode 字符

这是我的代码:

public static String readSentence(String resourceName) {

    String sentence = null;
    try {
        InputStream refStream = ClassLoader
                .getSystemResourceAsStream(resourceName);
        BufferedReader br = new BufferedReader(new InputStreamReader(
                refStream, Charset.forName("UTF-8")));
        sentence = br.readLine();
    } catch (IOException e) {
        throw new RuntimeException("Cannot read sentence: " + resourceName);
    }
    return sentence.trim();
}

Answer 1

问题可能在于字符串的输出方式。

我建议您通过执行以下操作来确认您正在正确读取 Unicode 字符:

for (char c : sentence.toCharArray()) {
    System.err.println("char '" + ch + "' is unicode codepoint " + ((int) ch)));
}

并查看 Unicode 代码点对于被弄乱的字符是否正确。如果正确，则问题出在输出端；如果不正确，则问题出在输入端。