在Java中使用不支持的和/或多个字符集处理输入

我正在编写一个Java（7SE）应用程序来接收各种基于文本的输入，并担心会遇到JRE不支持的字符集/编码（例如，该应用程序将在Linux机器上运行，但会接收每个主要操作系统上生成的文件，等等）

首先，如果

InputStreamReader

遇到不受支持的字符集/编码，是否有方法捕获

IOException

（或类似）呢

那么包含多个编码的输入呢？假设我们有4种不同类型的输入：

• 原始

  java.lang.String

  s
• 明文（

  .txt

  ）文件
• Word（

  .docx

  ）文件
• PDF文件

如果我们正在读取其中一个输入，并且开始遇到多个（但受支持的）字符编码，该怎么办？JRE是本机处理这个问题，还是必须有多个读卡器，每个读卡器都配置了自己的字符集/编码

---

在这种情况下，我能否将流式输入“规范化”为单个标准化（最有可能是UTF-8）集/编码？提前感谢。

要回答您的第一个问题，您可以创建一个CharsetDecoder，并指定在遇到格式错误的输入时要执行的操作

CharsetDecoder charsetDecoder = Charset.forName("utf-8").newDecoder();
charsetDecoder.onMalformedInput(myCustomErrorAction);
charsetDecoder.onUnmappableCharacter(myCustomErrorAction);
Reader inputReader = new InputStreamReader(inputStream, charsetDecoder);

对于捕获不支持整个字符集的情况，它看起来像：

if( Charset.isSupported(encodingSpecified)) {
    //Normal case
} else {
    //Error case
}

但是，我不确定是否有多种编码。我认为一个二进制流有多个编码是极不寻常的。流必须有某种自定义方式来指示编码更改。您必须一次从流中读取一个字符来查找该指示符。如果遇到这种情况，则必须使用新编码在同一流上创建新的读取器

---

在所有情况下，在Java中，一旦从字节流转换为字符流，这些字符将在内存中表示，而无需任何特定编码，因此无需进行规范化，除非您将数据保存回某处。如果您打算稍后将该数据保存回文件，我强烈建议您选择一种编码并坚持使用它来存储所有数据。

我更愿意将流式输入“规范化”为单个标准化（最有可能为UTF-8）考虑到一个新的编码格式出现的情况，你必须改变实现。像UTF-8转换成标准，保持你的代码SAFANANKS @步伐（+ 1）-一个快速跟进。您提到，单个二进制流具有多个编码是非常罕见的。如果（在这里跟我开玩笑！）真的是这样呢？如果我不采取特殊措施来监控编码的变化，会发生什么<代码>IOException？或者它只是把它当作垃圾角色读入？爪哇启示录？再次感谢！如果编码在中途更改，而您没有检测到它，那么可能会发生两件事。首先，您可能会得到垃圾字符。UTF-8中的■为0xC2A2。如果您将流解码为ASCII码，那么将以ASCII码的形式读入。可能发生的第二件事（两者都可以得到）是将遇到非法的字节流。例如，如果流是UTF-8格式，并切换到ASCII，则可能会遇到0xC0FF，这在ASCII中是合法的，但在UTF-8中不合法。在这种情况下，如果您使用的是charsetDecoder，您将获得onMalformedInput操作。