Java中的字符编码

我用记事本打开文件，在上面写：“ą”保存并关闭

我试着用两种方式阅读这个文件

第一:

        InputStream inputStream = Files.newInputStream(Paths.get("file.txt"));
        int result = inputStream.read();
        System.out.println(result);
        System.out.println((char) result);

196 Ä

第二：

        InputStream inputStream = Files.newInputStream(Paths.get("file.txt"));
        Reader reader = new InputStreamReader(inputStream);
        int result = reader.read();
        System.out.println(result);
        System.out.println((char) result);

261 ą

问题： 1） 在二进制模式下，此字母保存为196？为什么不是261？ 2） 此字母另存为196，采用哪种编码

---

我试图理解为什么会有差异

您得到的是

拉丁字母的
十进制
值
您需要使用
UTF-8
编码标准
保存
文件

当你用类似的标准阅读它们时，一定要确保

0x0105 261带OGONEKą的拉丁文小写字母A

0x00C4 196带分音符的拉丁文大写字母A�

请参阅：-
尝试使用UTF-8编码的
InputStreamReader
，该编码与从记事本++写入文件时使用的编码相匹配：

// this will use UTF-8 encoding by default
BufferedReader in = Files.newBufferedReader(Paths.get("file.txt"));

String str;
if ((str = in.readLine()) != null) {
    System.out.println(str);
}
in.close();

我没有一个确切的/可复制的答案来解释为什么您会看到您看到的输出，但是如果您使用错误的编码进行读取，您不一定会看到您保存的内容。例如，如果单个字符
ą
用两个字节编码，但您以ASCII格式读取，那么您可能会返回两个字符，这两个字符与原始文件不匹配。
因为您以不同的编码读取这两个字母，所以可以通过
InputStreamReader:：getEncoding
检查您的编码

String s = "ą";

char iso_8859_1 = new String(s.getBytes(), "iso-8859-1").charAt(0);
char utf_8 = new String(s.getBytes(), "utf-8").charAt(0);   

System.out.println((int) iso_8859_1 + " " + iso_8859_1);
System.out.println((int) utf_8 + " " + utf_8);

输出是

196 Ä
261 ą

UTF-8将范围
U+0080
-
U+07FF
中的值编码为两个字节，格式为
110xxxxx
10xxxxxx
（更多信息请参见）。因此，只有
xxxxx xxxxxx
11个字节可用于值

ą
是其中的
0105
是十六进制值（十进制值是
261
）。作为二进制，它可以表示为

      01       05    (hex)
00000001 00000101    (bin)
     xxx xxxxxxxx <- values for U+0080 - U+07FF range encode only those bits

     001 00000101 <- which means `x` will be replaced by only this part 

分为（两个字节）：

现在，
InputStream
将数据读取为原始字节。因此，当您调用
inputStream.read（）时第一次获取
11000100
时，它是以十进制表示的
196
。调用
inputStream.read（）
第二次将返回
10000101
，它是十进制的
133

Reader
s是在Java1.1中引入的，因此我们可以避免代码中出现这种混乱。相反，我们可以指定编码读取器应该使用什么（或让它使用默认值）来获得正确编码的值，如本例中的
00000001 00000101
（不带掩码），它等于十六进制形式的
0105
，十进制形式的
261


总之


如果要以文本形式读取数据，请使用
Reader
s（使用正确指定的编码）
如果要将数据作为原始字节读取，请使用
Stream
s
您将一个字符的文件保存在记事本中的编码是什么？记事本++显示“utf-8无bom”，但我在utf-8表“ą”中没有看到带有代码的字母：196 OP已经意识到了这一点。所以，他不是这个意思。字符
ą
编码为两个字节（
C4 85
），其中
C4
是十进制的
196
。所以他们实际上只读取了第一个字节。@TiiJ7谢谢你的侦探工作。我不知道该如何解决这个问题，但编码问题是我首先想到的：-）
110xxxxx 10xxxxxx
   00100   000101

11000100 10000101