java：如何将文件转换为utf8

我有一个文件，其中包含一些非utf8字符（如“ISO-8859-1”），因此我想将该文件（或读取）转换为utf8编码，我该如何做

代码是这样的：

File file = new File("some_file_with_non_utf8_characters.txt");

/* some code to convert the file to an utf8 file */

...

---

编辑：放置一个编码示例

您只想将其读取为UTF-8？ 我最近做了一件类似的事情，就是用-Dfile.encoding=UTF-8启动JVM，并正常读取/打印。我不知道这是否适用于你的情况

有了这一选择：

System.out.println("á é í ó ú")

---

正确打印字符。否则它会打印一个？symbol

您需要知道输入文件的编码。例如，如果文件是拉丁语-1，您可以这样做

        FileInputStream fis = new FileInputStream("test.in");
        InputStreamReader isr = new InputStreamReader(fis, "ISO-8859-1");
        Reader in = new BufferedReader(isr);
        FileOutputStream fos = new FileOutputStream("test.out");
        OutputStreamWriter osw = new OutputStreamWriter(fos, "UTF-8");
        Writer out = new BufferedWriter(osw);

        int ch;
        while ((ch = in.read()) > -1) {
            out.write(ch);
        }

        out.close();
        in.close();

---

你把文本解码了。您可以使用simmetric Writer/OutputStream方法，使用您喜欢的编码（例如UTF-8）来编写它。

以下代码将文件从src编码转换为tgtEncoding：

public static void transform(File source, String srcEncoding, File target, String tgtEncoding) throws IOException {
    BufferedReader br = null;
    BufferedWriter bw = null;
    try{
        br = new BufferedReader(new InputStreamReader(new FileInputStream(source),srcEncoding));
        bw = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(target), tgtEncoding));
        char[] buffer = new char[16384];
        int read;
        while ((read = br.read(buffer)) != -1)
            bw.write(buffer, 0, read);
    } finally {
        try {
            if (br != null)
                br.close();
        } finally {
            if (bw != null)
                bw.close();
        }
    }
}

--编辑--

使用Try with resources（Java 7）：

---

非UTF8？想把范围缩小一点吗？一旦你知道了输入编码，这就很容易了，如果你不知道，基本上是不可能的。考虑到一些因素，文件很大（比如1GB），所以我不能把它们放在字符串对象中…你的文件编码是什么？如果您使用的是Linux或OS X（以及其他Unx），您只需键入：*file some_file，它就会告诉您编码。顺便说一句，如果您在Unx上（至少在Linux和OS X上），您应该有*iconv命令行。“man iconv”说：“将给定文件的编码从一种编码转换为另一种编码”，这可以证明在1GB文件上比自编Java util做得更好。请注意，UTF-8编码可以表示每个Unicode编码点，因此说文件“有一些非utf8字符”听起来很可疑…@NoozNooz42:应用程序将在win32和unix/LinuxSummated中运行：用文件自己的编码读取它，然后用新的编码写入。@McD:我打算发表相同的评论。这是对

-Dfile.encoding

用法的误解。忽略我的评论，你是对的。顺便说一句，以前还没有见过这种风格的最后收场。聪明。逐行阅读的潜在问题是你可以改变行尾/分隔。例如，如果最后一行没有行尾，您将添加一行。这是完全正确的。事实上，这种效果通常是令人满意的（与其说是“改变”，不如说是“磨光”）。但是，是的，人们必须意识到这一点。嗨，如果我不知道源/输入编码格式怎么办？你能给它照点光吗。

public static void transform(File source, String srcEncoding, File target, String tgtEncoding) throws IOException {
    BufferedReader br = null;
    BufferedWriter bw = null;
    try{
        br = new BufferedReader(new InputStreamReader(new FileInputStream(source),srcEncoding));
        bw = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(target), tgtEncoding));
        char[] buffer = new char[16384];
        int read;
        while ((read = br.read(buffer)) != -1)
            bw.write(buffer, 0, read);
    } finally {
        try {
            if (br != null)
                br.close();
        } finally {
            if (bw != null)
                bw.close();
        }
    }
}

public static void transform(File source, String srcEncoding, File target, String tgtEncoding) throws IOException {
    try (
      BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(source), srcEncoding));
      BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(target), tgtEncoding)); ) {
          char[] buffer = new char[16384];
          int read;
          while ((read = br.read(buffer)) != -1)
              bw.write(buffer, 0, read);
    } 
}