如何正确读取java中的.csv文件？我有一个UTF-8编码的文件，但无法正确读取某些字符。
我的代码：
String link = new String("https://stat.gov.pl/download/gfx/portalinformacyjny/pl/defaultstronaopisowa/4741/1/1/miesieczne_wskazniki_cen_towarow_i_uslug_konsumpcyjnych_od_1982_roku.csv");
URL url = new URL(link);
BufferedReader read = new BufferedReader(
new InputStreamReader(url.openStream(), StandardCharsets.UTF_8));
String i;
while ((i = read.readLine()) != null)
System.out.println(i);
read.close();
1条答案
按热度按时间q43xntqr1#
https://stat.gov.pl/download/gfx/portalinformacyjny/pl/defaultstronaopisowa/4741/1/1/miesieczne_wskazniki_cen_towarow_i_uslug_konsumpcyjnych_od_1982_roku.csv那不是UTF-8！
这就是你的代码失败的原因。你假设它是UTF-8。它不是。而且，头告诉你它是“二进制”（它真的不是，但关键是，服务器也没有给你一个字符集），所以你必须猜测。它可能是Windows-1250。
此字节序列位于CSV中：
57 61 72 74 6F 9C E6
最后两个是“有趣的”（其他的都在ASCII码块中，所以几乎所有的编码都是相同的）。所以读起来是Warto？？其中？是有趣的部分。如果这是Windows-1250，它拼写为Wartošć。谷歌告诉我这是波兰语。
因此，您需要执行三项操作来解决此问题：
1.不要再假设所有内容都是UTF_8。
1.学习乱码侦探技巧。这包括下载原始的东西，使用十六进制编辑器，寻找看起来像熟悉术语的一半的东西（比如Warto..），然后查找可能的代码页，检查字节是否与你认为的应该是匹配。这是一个拖动。没有快捷方式，当服务器不告诉你编码是什么时，你唯一的选择就是掌握侦探技巧。
1.将
StandardCharsets.UTF_8替换为"Windows-1250"，我确信它可以在任何JVM上工作。如果不能，那么就得自己编写代码页并将其注册为字符集。