将 InputStream 的 Latin-1 内容转换为 UTF-8 字符串

Question

我需要将 InputStream 的内容转换为字符串。这里的难点在于输入编码，即Latin-1。我尝试了几种方法并使用 String、getBytes、char[] 等对 sn-ps 进行编码，以便直接进行编码，但似乎没有任何效果。

最后，我想出了下面的可行解决方案。但是，这段代码对我来说似乎有点冗长，即使对于 Java 也是如此。所以这里的问题是：

有没有更简单、更优雅的方法来实现这里所做的事情？

private String convertStreamToStringLatin1(java.io.InputStream is)
        throws IOException {

    String text = "";

    // setup readers with Latin-1 (ISO 8859-1) encoding
    BufferedReader i = new BufferedReader(new InputStreamReader(is, "8859_1"));

    int numBytes;
    CharBuffer buf = CharBuffer.allocate(512);
    while ((numBytes = i.read(buf)) != -1) {
        text += String.copyValueOf(buf.array(), 0, numBytes);
        buf.clear();
    }

    return text;
}

Answer 1

首先，对您已经采取的方法提出一些批评。当您只需要 char[512] 时，您不应该不必要地使用 NIO CharBuffer。您也不需要在每次迭代时都 clear 缓冲区。

int numBytes;
final char[] buf = new char[512];
while ((numBytes = i.read(buf)) != -1) {
    text += String.copyValueOf(buf, 0, numBytes);
}

您还应该知道，只有 constructing a String 带有这些参数将具有相同的效果，因为构造函数也会复制数据。

子数组的内容被复制；后续对字符数组的修改不会影响新创建的字符串。

---

您可以使用动态ByteArrayOutputStream，它会增加一个内部缓冲区来容纳所有数据。然后，您可以使用 toByteArray 中的整个 byte[] 解码为 String。

优点是延迟解码到最后避免了单独解码片段；虽然这可能适用于 ASCII 或 ISO-8859-1 等简单字符集，但它不适用于 UTF-8 和 UTF-16 等多字节方案。这意味着将来更改字符编码会更容易，因为代码不需要修改。

private static final String DEFAULT_ENCODING = "ISO-8859-1";

public static final String convert(final InputStream in) throws IOException {
  return convert(in, DEFAULT_ENCODING);
}

public static final String convert(final InputStream in, final String encoding) throws IOException {
  final ByteArrayOutputStream out = new ByteArrayOutputStream();
  final byte[] buf = new byte[2048];
  int rd;
  while ((rd = in.read(buf, 0, 2048) >= 0) {
    out.write(buf, 0, rd);
  }
  return new String(out.toByteArray(), 0, encoding);
}

Answer 2

我不明白它怎么能更简单。我做了一次有点不同..如果你已经有一个字符串，你可以这样做：

new String(originalString.getBytes(), "ISO-8859-1");

所以这样的事情也可以工作：

BufferedReader reader = new BufferedReader(new InputStreamReader(is));
StringBuilder sb = new StringBuilder();
String line = null;
while ((line = reader.readLine()) != null) {
  sb.append(line + "\n");
}
is.close();
return new String(sb.toString().getBytes(), "ISO-8859-1");

编辑：我应该补充一点，这实际上只是您已经工作的解决方案的替代方案。当谈到在 Java 中转换 Streams 时，它不会简单得多，所以去吧。 :)

Answer 3

如果你不想自己动手，你可以看看 apache commons io 项目，IOUtils.toString(InputStream input, String encoding)，它似乎可以满足你的需求。我自己没有尝试过这种方法，但 java 文档指出“使用指定的字符编码将 InputStream 的内容作为字符串获取。”

Answer 4

Guava 的 IO 包这种方式真的很不错。

Files.toString(yourFile, CharSets.ISO_8859_1)

或来自流

new String(ByteStreams.toByteArray(stream), CharSets.ISO_8859_1)

Answer 5

我刚刚发现this answer到问题Read/convert an InputStream to a String可以应用于我的问题，请看下面的代码。无论如何，我非常感谢您迄今为止给出的答案。

private String convertStreamToString(InputStream is, String charsetName) {
    try {
        return new java.util.Scanner(is, charsetName).useDelimiter("\\A").next();
    } catch (java.util.NoSuchElementException e) {
        return "";
    }
}

所以为了从 Latin-1 编码，这样称呼它：

String message = convertStreamToString(is, "8859_1");