java读取文件是乱码_Java：读取文件不乱码

@import url(http://www.cppblog.com/cutesoft_client/cuteeditor/Load.ashx?type=style&file=SyntaxHighlighter.css);@import url(/css/cuteeditor.css);

最低位地址存放高位字节，可称高位优先，内存从最低地址开始按顺序存放(高数位数字先写)。最高位字节放最前面。

例如“汉”字的Unicode编码是6C49。如果将6C写在前面，就是big endian。还是将49写在前面，就是little endian

Endian可读为字节序.

0x11BB，高字节为11，低字节为BB

Big Endian: 高字节存储在高位，低字节存储在低位: 高字节结束存储: BB 11

Little Endian: 高字节存储在低位，低字节存储在高位: 低字节结束存储: 11 BB

数字的高低位与存储中位置偏移的高低位正好相反. Little Endian更适合阅读，因为11BB存储为11BB.

import java.nio.ByteOrder;

publicclassTest {

public static void main(String[] args) {

char c = '\u11BB';

String endian = Integer.toHexString(c & 0xFF).toUpperCase();

System.out.println(endian.equals("BB") ? "Little Endian" : "Big Endian");

System.out.println(ByteOrder.nativeOrder());

}

}

BOM(字节序标志): Byte Order Mark

UTF-16是以两个字节为编码单元，要考虑字节序，所以使用BOM来标志字节序: FEFF or FFFE.

FEFF 又叫做 Zero Witdh No-Break Space，它在UCS中是不存在的字符，所以用来标志字节序，又称做BOM.

FEFF: Big Endian

FFEF: Little Endian

A: The following table summarizes some of the properties of each of the UTFs.

NameUTF-8UTF-16UTF-16BEUTF-16LEUTF-32UTF-32BEUTF-32LE

Smallest code point

0000

0000

0000

0000

0000

0000

0000

Largest code point

10FFFF

10FFFF

10FFFF

10FFFF

10FFFF

10FFFF

10FFFF

Code unit size

8 bits

16 bits

16 bits

16 bits

32 bits

32 bits

32 bits

Byte order

N/A

big-endian

little-endian

big-endian

little-endian

Fewest bytes per character

1

2

2

2

4

4

4

Most bytes per character

4

4

4

4

4

4

4

Windows保存的Unicode文件是含有BOM的，UTF-8编码的文件以字节为编码单元，不存在字节序的问题，但可以使用BOM来表示编码方式: 文件前3字节是EF BB BF，为UTF-8编码。因为FEFF在UTF-8里的编码为EF BB BF.

Mac下的TextEdit保存为UTF-8就不含BOM

TextWrangler可以选择是否包含有BOM

一个汉字在Unicode中用两个字节表示，a-z等字母也是两个字节。

UTF-8是Unicode的一种表现形式(Unicode编码值使用UTF-8方式编码存储)，是一种变长的表达方式，把字符的Unicode编码在文件中表现出来，从一个字节到三个字节不等(为了减少如a-z等ascii码字符占用的空间，因为他们出现太频繁了).

UTF-8编码范围为:

0000 - 007F : 0xxxxxxx

0080 - 07FF : 110xxxxx 10xxxxxx

0800 - FFFF : 1110xxxx 10xxxxxx 10xxxxxx

如"汉"的Unicode编码为6C49，在0800 - FFFF之间，所以要使用3字节模板: 1110xxxx 10xxxxxx 10xxxxxx

6C49的二进制是: 0110 110001 001001

用这个二进制流依次代替3字节模板中的x得: 1110 0110 10110001 10001001，即E6 B1 89

保存到文件中的就是3个字节E6 B1 89，而不是2个字节6C 49

// 给InputStreamReader指定要读取的文件的编码，读取时就不会出现乱码了.

public class TextFileReader {

public static void main(String[] args) throws Exception {

String filename = "source/demo-gb18030.txt";

String encoding = "gb18030";

printFile(filename, encoding);

}

// 打印出文件的文本内容, 使用指定的编码读入文件

public static void printFile(String filename, String encoding) throws IOException {

InputStreamReader isr = new InputStreamReader(new FileInputStream(filename), encoding);

BufferedReader reader = new BufferedReader(isr);

String line = null;

while ((line = reader.readLine()) != null) {

System.out.println(line);

}

}

}