Java 将Windows-1252 xml文件转换为UTF-8

是否有任何方法可以将大型XML文件（500+MBs）从java中的“Windows-1252”编码转换为“UTF-8”编码

当然可以：

• 使用Windows-1252打开包装在

  InputStreamReader

  中的

  FileInputStream

  ，以进行输入
• 打开一个用UTF-8编码的

  OutputStreamWriter

  包装的

  FileOutputStream

• 创建缓冲区字符数组（例如16K）
• 重复读取数组并写入已写入的内容：

  char[] buffer = new char[16 * 1024];
  int charsRead;
  while ((charsRead = input.read(buffer)) > 0) {
      output.write(buffer, 0, charsRead);
  }
  

• 之后不要忘记关闭输出！（否则，可能存在从未写入磁盘的缓冲数据。）

注意，由于它是XML，您可能还需要手动更改XML声明，因为它应该指定它在Windows-1252中

---

事实上，这是在流式传输的基础上工作的，这意味着您不需要担心文件的大小——它一次最多只能读取内存中的16K个字符。

这是一次性的还是需要重复运行以提高效率的作业

如果是一次性的，我认为没有必要使用Java编码。例如，只需运行查询“”

java net.sf.saxon.Query -s:input.xml -qs:. -o:output.xml

确保您分配了3Gb的内存

如果您重复地执行此操作，并且希望采用流式方法，那么您必须选择将其作为文本处理（正如Jon Skeet所建议的）还是作为XML处理。将其作为XML进行的好处主要是XML声明将得到处理，字符引用将转换为字符。最简单的方法是使用JAXP标识转换：

Source in = new StreamSource(new File("input.xml"));
TransformerFactory f = TransformerFactory.newInstance();
Result out = new StreamResult(new File("output.xml"));
f.newTransformer().transform(in, out);

---

如果这是一次性的，Java可能不是最合适的工具。考虑：

iconv-f windows-1252-t utf-8 target.xml

这具有流式传输的所有好处，无需编写任何代码

与Michael的解决方案不同，这不会处理XML声明。如有必要，请手动编辑此项，或者，现在您正在使用UTF-8，请忽略它

iconv -f windows-1252 -t utf-8 <source.xml >target.xml