Java - 无法从文本文件中读取特殊字符

Question

我正在编写一个程序，在另一个字典文本文件（例如A）中搜索文本文件（比如说B）中的单词，以比较不同排序算法的效率。

无论如何，我的问题是当其中一个源文本文件具有特殊字符，例如“μ”。首先，要在Windows中保存带有此类字符的文本文件，记事本说我必须将编码从ANSI更改为其他类似UTF-8的内容。

遇到带有特殊字符的行时，我的程序崩溃了。特别是在使用compareTo方法将该单词与另一个词典文本文件中的单词进行比较时。它崩溃时出现NullPointerException。

我打印出特殊字符，看到“μ”表示为“Âμ”，第一行总是出现奇怪的字符（“”）。

我正在使用扫描仪输入文件：

inputStream = new Scanner (new FileInputStream(args[0]));

我也尝试过FileReader

一般来说，我如何阅读特殊字符或包含特殊字符的单词？这些字符是否可以与内置的compareTo方法兼容，还是我必须找到另一种方式来订购它们？

Answer 1

没有ANSI编码，只有ASCII。使用Notepad ++创建正确的UTF-8编码文件。使用reader在Java中打开文件，该文件采用编码。

Answer 2

待办事项

inputStream = new Scanner(new FileInputStream(args[0]), "UTF-8");

或

BufferedReader in = new BufferedReader(
        new InputStreamReader(new FileInputStream(args[0]), "UTF-8"));

InputStreams 适用于二进制字节数据，读者适用于带有编码的字符。

似乎文本前面有一个“BOM”字符，零宽度空间，用于将文本标记为UTF-8。这可能已被删除，但Windows无法识别UTF-8。在扫描仪中，您可能希望跳过它。