Java - OS X - Unicode 损坏的字符串

Question

我正在 OS X 上使用 Java 平台处理 Unicode 文本文件。当我使用 TextEdit 或 TextWrangler 打开文件时，我看到的不是“Nattvardsgästerna”，而是“Nattvardsgästerna”(这是不正确的)。当我使用 Java io 流打开文件时，我看到相同的错误 String“Nattvardsg sterna”。

当我在电脑上打开该文件时，我看到了正确的字符串。我不知道从哪里开始解决这个问题...这是我的 OS X 设置的问题吗？我应该使用特殊标志打开 Java 流吗？

谢谢。

附注我像这样打开文件: fileReader = new BufferedReader(new FileReader(file));

附注另外，我应该提到，我想将结果输出为 SQL 文本文件，因此操作系统正确区分 ä 非常重要。

Answer 1

InputStream 读取字节(而不是字符)，所以我假设当你说:

When I open the file using java io stream

...您的真正意思是“当我使用 Java Reader 打开文件时”。

编辑:您的评论表明您正在这样做:

new BufferedReader(new FileReader(file));

InputStreamReader 有一个 constructor允许您设置字符编码。如果您不指定，它将使用平台默认值。平台默认值不太可能是 unicode(在我的 Macbook 上，它设置为“US-ASCII”)。

为了设置字符编码，您必须创建中间输入流读取器，而不是让 FileReader 为您完成此操作(因为 FileReader 使用平台默认编码)。

假设文件使用 UTF-8 编码，请使用:

new BufferedReader(new InputStreamReader(new FileInputStream(file), 
                                         Charset.forName("UTF-8")));

或者，您可以通过向 JVM 提供参数来更改平台默认值。您可以查看this answer了解完整的详细信息，但基本思想是设置 file.encoding Java 系统属性。链接的答案提供了几种实现此目的的方法。

进一步编辑:

P.S.S. Also, I should mention that I'd like to output the result as an SQL text file so it is important for the OS to distinguish ä correctly.

操作系统与此无关。文件系统只是将字节打乱。如何解释这些字节完全取决于读取这些文件的应用程序。这个答案告诉你如何让你的 Java 程序正确解释字节。为了使您的数据库能够正确解释字节，您需要配置数据库编码。