Java 从UTF-8文件读取时字符数字不正确
所以我用扫描仪来读取文件。但是我不明白,如果文件是UTF-8文件,并且在文件上迭代时读取的当前行包含一个数字,那么方法Java 从UTF-8文件读取时字符数字不正确,java,utf-8,filestream,chars,Java,Utf 8,Filestream,Chars,所以我用扫描仪来读取文件。但是我不明白,如果文件是UTF-8文件,并且在文件上迭代时读取的当前行包含一个数字,那么方法Character.isDigit(line.charAt(0))返回false。但是,如果该文件不是UTF-8文件,则该方法返回true 这里有一些代码 File theFile = new File(pathToFile); Scanner fileContent = new Scanner(new FileInputStream(theFile), "UTF-8"); wh
Character.isDigit(line.charAt(0))
返回false。但是,如果该文件不是UTF-8文件,则该方法返回true
这里有一些代码
File theFile = new File(pathToFile);
Scanner fileContent = new Scanner(new FileInputStream(theFile), "UTF-8");
while(fileContent.hasNextLine())
{
String line = fileContent.nextLine();
if(Character.isDigit(line.charAt(0)))
{
//When the file being read from is NOT a UTF-8 file, we get down here
}
当使用调试器并查看
行
字符串时,我可以看到在这两种情况下(UTF-8文件与否),字符串似乎都包含相同的数字。为什么会发生这种情况?通过交换评论,您的文件包含一个BOM表。这通常不建议用于UTF-8文件,因为Java并不期望它,而是将它视为数据
因此,您有两种选择:
private static InputStream filterBOMifExists(InputStream inputStream) throws IOException {
PushbackInputStream pushbackInputStream = new PushbackInputStream(new BufferedInputStream(inputStream), 3);
byte[] bom = new byte[3];
if (pushbackInputStream.read(bom) != -1) {
if (!(bom[0] == (byte) 0xEF && bom[1] == (byte) 0xBB && bom[2] == (byte) 0xBF)) {
pushbackInputStream.unread(bom);
}
}
return pushbackInputStream;
}
你调试过了吗?当使用UTF-8文件时,
line.charAt(0)
返回什么字符?line.charAt(0)
不会返回任何内容,这解释了为什么character.isDigit当然不会返回true。但是为什么line.charAt(0)
不返回任何内容呢?这并没有发生。也就是说,从一个文件读取的字符串与从另一个文件读取的字符串不同。一旦您将行放入String
表单中,Java就不知道或不关心其中的char
s来自何处。调试时,请查看char
s的整数值,而不是它们的图形表示,当然也不是整个字符串的图形表示。string.charAt(0)
只能通过引发异常才能返回任何内容。我很难想象,当你在调试器中查看字符串时,它如何与看起来包含相同内容的字符串保持一致。此外,它与Character.isDigit(line.charAt(0))
返回的false
不一致,正如您声称的那样。您的文件是否(意外地)包含BOM?