BufferedOutputStream 无法按预期使用韩语字符答案

【问题标题】：BufferedOutputStream not working with Korean characters as expectedBufferedOutputStream 无法按预期使用韩语字符
【发布时间】：2021-10-11 14:29:39
【问题描述】：

我正在尝试将韩语字符写入文件，它正在写入一些乱码数据，当我在 CSV 中打开它时，我需要解决这些数据以显示为韩语数据。在没有解码回 UTF-8 并显示韩语数据的解决方法的情况下，如何实现我的要求。

    File localExport = File.createTempFile("char-test", ".csv");
    try (
            FileOutputStream fos = new FileOutputStream(localExport);
            BufferedOutputStream bos = new BufferedOutputStream(fos);
            OutputStreamWriter outputStreamWriter =
                    new OutputStreamWriter(bos, StandardCharsets.UTF_8)
    ) {
        ArrayList<String> rows = new ArrayList<>();
        rows.add("\"가짜 사용자\",사용자123,saint1_user123");
        rows.add("\"페이크유저루노도스트레스 성도1\",saint1_user1");
        for (int i=0; i<2; i++) {
            String csvUserStr = rows.get(i);
            outputStreamWriter.write(csvUserStr);
        }
    }

它正在写入以下数据，而不是我实际写入文件的数据。

【问题讨论】：

你需要 UTF_16
您正在查看它如何准确地看待它，file.encoding 的价值是什么？
使用 Unicode，应该定义所有字符。
你确实不需要 UTF-16，这是不正确的建议。
不幸的是，他们认为不可接受的是 Excel 中的行为，而不是您的软件。

标签： java outputstream fileoutputstream bufferedoutputstream

【解决方案1】：

您的 java 代码绝对没有问题。你正在写那些字符，包括韩文，和写的一样。

你用什么工具来查看这个文件？

那是坏的。告诉它该文件是基于 UTF-8 的。如果你不能，找一个更好的工具或者找出它读取的编码，然后更新你的java代码。

请注意，CSV 文件、文本文件等 - 它们不存储用于写入数据的编码。所有读/写文件的程序只需要知道它是什么编码，除了被告知之外没有其他方法可以知道。

更新：从评论看来，“正在阅读本文的工具”是 excel。

当您使用“导入 CSV”对话框时，Excel 会要求对文件进行编码。在下拉列表中选择 UTF-8。取决于您使用的版本/操作系统，但通常称为“文件来源”。

如果您希望您的客户端不需要乱用默认值，通常默认值是 MacRoman 或 Win1282 之类的东西，并且使用这样的编码，实际上 不可能 获得韩文字符。他们根本不在那个集合中。

如果您想要一劳永逸的方法，请自己生成 excel 文件，例如使用 Apache POI。

【讨论】：

【解决方案2】：

CSV 文件无法在文件本身中“带内”携带编码信息。我猜用于 Excel CSV 导入的默认字符编码是系统默认值，所以如果这不是韩语，他们将不得不在导入 CSV 时指定编码。如果您的客户需要 CSV， 他们别无选择，只能接受这种行为。

但是，如果他们的要求是在 Excel 中打开您的文件（而不是文件必须是 CSV 格式），您可以编写一个 Excel 电子表格。各种 Excel 文件格式确实包含字符编码信息，因此它们无需手动指定编码即可打开文件。

库建议是题外话，但像 Apache POI 这样的库让编写简单的 Excel 工作表变得相当容易。还有其他好处，例如为您处理任何必要的转义，这样当电子表格中包含意外值时，您的文件就不会反复中断。

【讨论】：

【解决方案3】：

如前所述，Excel 无法检测到文本是以 UTF-8 编码的。一种解决方案是写一个不可见的 BOM 字符作为第一个：

  outputStreamWriter.write("\uFEFF");
  for...

这通常是杂项 UTF 编码的多余且丑陋的标记。

顺便看看Files类，可以把代码减少到一行。

【讨论】：