我正在尝试创建将删除变音符号的函数(不要故意使用Normalizer)。函数看起来像
private static String normalizeCharacter(Character curr) {
String sdiac = "áäčďéěíĺľňóôőöŕšťúůűüýřžÁÄČĎÉĚÍĹĽŇÓÔŐÖŔŠŤÚŮŰÜÝŘŽ";
String bdiac = "aacdeeillnoooorstuuuuyrzAACDEEILLNOOOORSTUUUUYRZ";
char[] s = sdiac.toCharArray();
char[] b = bdiac.toCharArray();
String ret;
for(int i = 0; i < sdiac.length(); i++){
if(curr == s[i])
curr = b[i];
}
ret = curr.toString().toLowerCase();
ret = ret.replace("\n", "").replace("\r","");
return ret;
}
像这样调用funcion(文件中的每个字符都被发送到此函数)
private static String readFile(String fName) {
File f = new File(fName);
StringBuilder sb = new StringBuilder();
try{
FileInputStream fStream = new FileInputStream(f);
Character curr;
while(fStream.available() > 0){
curr = (char) fStream.read();
sb.append(normalizeCharacter(curr));
System.out.print(normalizeCharacter(curr));
}
}catch(IOException e){
e.printStackTrace();
}
return sb.toString();
}
文件text.txt
包含以下内容:ľščťžýáíéúäôň
我希望lcstzyaieuaon
从程序返回,但是在预期的字符串中我得到了这个¾è yaieuaoò
。我知道问题在于编码,但不知道在哪里。有什么想法吗?
答案 0 :(得分:2)
您正在尝试将字节转换为字符。
但是,字符ľ
不表示为单个字节。其unicode表示为U + 013E,其UTF-8表示为C4 BE。因此,它由两个字节表示。其他角色也是如此。
假设您的文件编码为UTF-8。然后,您读取字节值C4
,然后将其转换为char
。这将为您提供字符U + 00C4(Ä),不 U + 013E。然后你读了BE
,它被转换为字符U + 00BE(¾)。
所以不要混淆字节和字符。您应该使用InputStream
来包装它,而不是直接使用Reader
。 Reader
能够根据创建的编码读取字符:
BufferedReader reader = new BufferedReader(
new InputStreamReader(
new FileInputStream(f), StandardCharsets.UTF_8
)
);
现在,您将能够读取字符甚至整行,并且编码将直接完成。
int readVal;
while ( ( readVal = reader.read() ) != -1 ) {
curr = (char)readVal;
// ... the rest of your code
}
如果您要使用不带参数的int
,请记住您仍在阅读read()
。