读取文件 utf-8、进程和 JSP

Question

我有这些文件：

in2.txt：

Hello
ñuñííòúçç ùùù

uíúgfl

正确的输出（我在 Eclipse (Linux) 中获得）：

Hello
ñuñííòúçç ùùù

uíúgfl
4 ís lèss thàn síx.

注意：

• 输入（文件）和输出有'ñ'、'í'、...

• '4'（在输出中）是输入（文件）的行数。

• 输出包含字符 'í'、'è'、...

在一个 JSP 文件中，我想通过一个过程获得正确的输出（在 OpenShift.com 上）。所以，我需要改进我的文件（JAVA 和 JSP）。因此，JSP 文件应该向我显示正确的输出（如果我将进程重定向到 out2.txt）。目前我得到'？或其他奇怪的字符。我也试过了，不成功：

PrintStream out = new PrintStream(System.out, true, "UTF-8");
out.print(content);

编辑：我的 JSP 文件：

<%@ page language="java" contentType="text/html; charset=UTF-8"
pageEncoding="UTF-8"%>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01   Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head></head><meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<title>Try 2</title>
<script type="text/javascript">

</script>
</head>
<body>
   <% ProcessBuilder pb = new ProcessBuilder("bash", "-c", "java fileReader2");
       Process process = pb.start();
       // Process process = Runtime.getRuntime().exec("java fileReader2");
       while (process.waitFor()!=0){}; 
       InputStream shellIn = process.getInputStream();
       Writer writer = new StringWriter();
       int num=1;
       char[] buffer=new char[num];
       try { 
            Reader reader = new BufferedReader(new InputStreamReader(shellIn,"UTF-8"));
            int n;
            while ((n = reader.read(buffer)) != -1) {
                  writer.write(buffer, 0, n);
            }
       }
       finally{
             shellIn.close();
       }  
       String str = writer.toString();%>
       <form>
       <TEXTAREA NAME="textarea2" ROWS="15" COLS="1024" readonly="readonly"><%=str %>
       </TEXTAREA>             
       </form>
</body>

OpenShift.com 上的输出不正确：

Hello
�u������� ���


u��
5 ?s l?ss th?n s?x.

注意：

1. 缺少字符“gfl”。

2. 我又得到了一行（4+1=5）。

3. 出现奇怪的字符和'?'s。

我的 JAVA 文件：

import java.io.*;
public class fileReader2{
public static void main (String argsv[]){
try{
   FileInputStream fis = new FileInputStream("in2.txt");
   String content="";
   InputStreamReader isr = new InputStreamReader(fis,"utf8");         
   BufferedReader br = new BufferedReader(isr);       
   String line; 
   int i=0;     
   while((line = br.readLine()) != null){       
       i++;
       content=content.concat(line).concat("\n");
    }      

     PrintStream out = new PrintStream(System.out, true, "UTF-8");
     out.print(content);

     if (i<6){
        System.out.print(i+" ís lèss thàn síx.");
     }
     fis.close();
   }catch(Exception e1){} 
}
}

编辑 2： 我发现：

• Change URIEncoding in OpenShift JBoss AS 7

• https://developer.jboss.org/message/643825

我的standalone.xml 位于'.../jbossas/standalone/configuration'，并且包含：

...
</extensions> 
-<system-properties> 
   <property name="org.apache.coyote.http11.Http11Protocol.COMPRESSION" value="on"/>
</system-properties>
...

我在这个 XML 文件中添加了 2 个新属性，但目前没有任何反应。我没有找到 domain.xml 文件（以及 '.openshift/action-hooks/pre_start_jbossas-7'）。

编辑（4 月 24 日）：我创建了一个新的 CLASS 文件，使用这个未来的字符串（Java 代码），或者作为示例：

String s= "\u00F1ñ"
... // Code 

这个未来主义字符串有 7 个字符。我想在 JSP 中看到这个输出（一个进程调用我的 CLASS 文件）。正如我告诉你的，我创建了一个新的 CLASS 文件，其中只有一个字符（'ñ'）。在我的 JSP 文件中，我获得：

241
\u00F1

我希望：

241
ñ

注意：241 是 'ñ' 的 %d。

我打算这样做，例如将所有字符转换为 UTF-8，而不是错误的 unicode ("\uXXXX")。我需要想法。

编辑（4 月 28 日）：我的最终目标是使用 JLex（示例代码）：

import java.io.*;
import java.lang.*;
%%
%{
public static void main (String argv [])
throws java.io.IOException {
if (argv.length != 1) {
System.out.println("Usage:");
System.out.println("\tjava fileReader filename.txt");
return ;
} else {
String fInName = argv [0];
if (!fInName.endsWith(".txt")) fInName = fInName + ".txt";
FileInputStream input = new FileInputStream(fInName);
//Create lexical analyzer
fileReader yy = new fileReader (input);
//Process input file
while (yy.yylex()!=-1);
// Show stats
}
} //End main
%}
%class fileReader
%unicode
%line
%eof{
  if ((yyline+1)<6){
     System.out.println();
     System.out.print((yyline)+" ís lèss thàn síx.");
  }
%eof}
%integer
%state 
break=[\r\n]
%%
<YYINITIAL>{break} { System.out.print(yytext()); }
<YYINITIAL>. { System.out.print(yytext()); }

在 OpenShift.com 我得到了这个：

Proxy Error
The proxy server received an invalid response from an upstream server.
The proxy server could not handle the request GET /1x2/try_utf8.jsp.

Reason: Error reading from remote server



--------------------------------------------------------------------------------

Apache/2.2.15 (Red Hat) Server at jlex1x2-uocpfc.rhcloud.com Port 80

在 Linux 上运行正常。如何解决？

Answer 1

请在您的 jsp 上添加 utf-8 编码

<%@ page contentType="text/html; charset=UTF-8"%>

Answer 2

您似乎没有在 bash shell 中获得 UTF-8（正确的语言环境），甚至 fileReader2 也无法正常工作。 您可以通过在 JSP 源 \u00F1 中写入 ñ 来测试 UTF-8 输出。

您需要Linux nerds。或立即执行：

File file = File.createTempFile("fR2-", null);
PrintStream oldOut = System.out;
try (PrintStream capture = new PrintStream(file, "UTF-8")) {
    System.setOut(capture);
    fileReader2.main(new String[0]);
    System.out.flush();
} finally {
    System.setOut(oldOut);
} // closes capture.

这会创建一个写入（临时）文件的 PrintStream。有记忆会更好。它使用 UTF-8，因此可以使用所有 Unicode。

然后System.setOut 将以下输出设置为捕获。

String str = new String(Files.readAllBytes(file.toPath()), StandardCharsets.UTF_8);
file.delete();