在读/写文件时指定字符编码

1. 引言

先开门见山：如果你曾经在应当是俄文的位置看到类似 Привет 这样的字符串，那你已经是错误编码的受害者了。这通常发生在文件以一种编码保存，却用另一种编码读取。例如，文件以 UTF-8 保存，却按 Windows-1251 读取，反之亦然。

Java 默认 使用系统编码，可以这样查看：

System.out.println(System.getProperty("file.encoding"));

在一台电脑上它可能是 UTF-8，在另一台上则是 Windows-1251，在某些地方甚至是 ISO-8859-1。因此，显式指定编码总是更好。尤其当你处理多语言数据、文件会在不同电脑或其他程序中使用、或者你希望代码在任何环境中表现一致而不仅仅是在你的机器上时，这一点尤为重要。

Charset 类：编码世界里的好帮手

在 Java 中，处理编码要用到 java.nio.charset.Charset 类。你既可以通过名称指定编码（例如 "UTF-8"），也可以使用标准常量（StandardCharsets.UTF_8）。

常见的标准编码示例：

StandardCharsets.UTF_8

StandardCharsets.UTF_16

StandardCharsets.ISO_8859_1

Charset.forName("Windows-1251")

更推荐使用常量：更不容易拼错名称，也不会触发 UnsupportedCharsetException。

2. 以指定编码读取文件

旧方式：

import java.io.*;
import java.nio.charset.StandardCharsets;

BufferedReader reader = new BufferedReader(
    new InputStreamReader(
        new FileInputStream("example.txt"),
        StandardCharsets.UTF_8 // <-- 显式指定编码
    )
);

现代方式：

import java.nio.file.*;
import java.nio.charset.StandardCharsets;
import java.io.BufferedReader;

BufferedReader reader = Files.newBufferedReader(
    Paths.get("example.txt"),
    StandardCharsets.UTF_8 // <-- 显式指定编码
);

推荐使用第二种方式——它更简洁、更安全，并且与 try-with-resources 搭配方便。

示例：从文件读取一行

try (BufferedReader reader = Files.newBufferedReader(
        Paths.get("hello.txt"),
        StandardCharsets.UTF_8)) {
    String line = reader.readLine();
    System.out.println("读取到： " + line);
}

为什么这很重要： 如果文件以 UTF-8 保存，而你按 Windows-1251 读取，西里尔字符会被扭曲。只要指定正确的编码，文本在任何操作系统上都能被正确读取。

3. 以指定编码写入文件

旧方式：

import java.io.*;
import java.nio.charset.StandardCharsets;

BufferedWriter writer = new BufferedWriter(
    new OutputStreamWriter(
        new FileOutputStream("example.txt"),
        StandardCharsets.UTF_8 // <-- 显式指定编码
    )
);

现代方式：

import java.nio.file.*;
import java.nio.charset.StandardCharsets;
import java.io.BufferedWriter;

BufferedWriter writer = Files.newBufferedWriter(
    Paths.get("example.txt"),
    StandardCharsets.UTF_8 // <-- 显式指定编码
);

示例：将一行写入文件

try (BufferedWriter writer = Files.newBufferedWriter(
        Paths.get("hello.txt"),
        StandardCharsets.UTF_8)) {
    writer.write("你好，世界！");
}

结果： 文件将以 UTF-8 保存，并可在任何支持 UTF-8 的编辑器中正确打开。

4. 实用要点

如何查看支持的编码

import java.nio.charset.Charset;

public class ListCharsets {
    public static void main(String[] args) {
        System.out.println("可用的编码：");
        Charset.availableCharsets().forEach((name, charset) -> System.out.println(name));
    }
}

提示： 如果你使用的是“异域”编码（例如为古汉字或火星表情符号准备的编码），请检查你的 JVM 是否支持它。

使用 try-with-resources：别忘了关闭流

处理文件时，务必关闭流以避免资源泄漏。现代 Java 代码使用 try-with-resources：

try (BufferedReader reader = Files.newBufferedReader(path, charset)) {
    // 处理文件
}

即使发生异常，流也会自动关闭。

建议

• 读写文件时最好始终显式指定编码，即使你确信“默认设置一切正常”。
• 新文件请使用 UTF-8——它是事实上的标准，尤其当你处理 Web、JSON、XML，或希望文件在各处都可读时。
• 对于旧文件（例如来自 1C 的导出、旧数据库、Windows 上的 CSV），请使用它们保存时所用的编码（例如，Windows-1251、ISO-8859-1）。
• 不要使用过时的类，那些类无法显式指定编码：FileReader/FileWriter。请改用 InputStreamReader/OutputStreamWriter 并显式指定编码，或使用 Files 中的方法。
• 对于大文件请使用缓冲（BufferedReader/BufferedWriter），以免耗尽内存。

5. 处理编码时的常见错误

错误 №1：读/写文件时未指定编码。
如果未指定编码，Java 会使用系统默认值（"file.encoding"）。在你的机器上也许一切正常，但同事那里就会出现“乱码”。

错误 №2：读写编码不一致。
文件用一种编码写入，却用另一种编码读取。例如，文件以 UTF-8 写入，却按 Windows-1251 读取——西里尔文字会被破坏。

错误 №3：使用过时的类 FileReader/FileWriter。
这些类无法显式指定编码——不推荐使用。请改用 InputStreamReader/OutputStreamWriter 并指定编码，或使用 Files 中的方法。

错误 №4：编码名称拼写错误。
例如把 "utf8" 写成 "UTF-8"，或把 "win1251" 写成 "Windows-1251"。Java 会抛出 UnsupportedCharsetException。

错误 №5：未关闭流——文件未正确写入。
如果不使用 try-with-resources 或未显式关闭流，部分数据可能不会落盘。