Lendo um arquivo ASCII com FileChannel e bytearrays

Question

Eu tenho o seguinte código:

        String inputFile = "somefile.txt";
        FileInputStream in = new FileInputStream(inputFile);
        FileChannel ch = in.getChannel();
        ByteBuffer buf = ByteBuffer.allocateDirect(BUFSIZE);  // BUFSIZE = 256

        /* read the file into a buffer, 256 bytes at a time */
        int rd;
        while ( (rd = ch.read( buf )) != -1 ) {
            buf.rewind();
            for ( int i = 0; i < rd/2; i++ ) {
                /* print each character */
                System.out.print(buf.getChar());
            }
            buf.clear();
        }

Mas os personagens são exibidos na? S. Será que isso tem algo a ver com Java usando caracteres Unicode? Como faço para corrigir isso?

Answer 1

Você tem que saber o que a codificação do arquivo é, e então decodificar o ByteBuffer em um CharBuffer usando essa codificação. Supondo que o arquivo é ASCII:

import java.util.*;
import java.io.*;
import java.nio.*;
import java.nio.channels.*;
import java.nio.charset.*;

public class Buffer
{
    public static void main(String args[]) throws Exception
    {
        String inputFile = "somefile";
        FileInputStream in = new FileInputStream(inputFile);
        FileChannel ch = in.getChannel();
        ByteBuffer buf = ByteBuffer.allocateDirect(BUFSIZE);  // BUFSIZE = 256

        Charset cs = Charset.forName("ASCII"); // Or whatever encoding you want

        /* read the file into a buffer, 256 bytes at a time */
        int rd;
        while ( (rd = ch.read( buf )) != -1 ) {
            buf.rewind();
            CharBuffer chbuf = cs.decode(buf);
            for ( int i = 0; i < chbuf.length(); i++ ) {
                /* print each character */
                System.out.print(chbuf.get());
            }
            buf.clear();
        }
    }
}

Answer 2

buf.getChar () está esperando 2 bytes por caractere, mas você só está armazenando 1. Use:

 System.out.print((char) buf.get());

Answer 3

Alterar sua declaração de impressão para:

System.out.print((char)buf.get());

parece ajudar.

Answer 4

Dependendo da codificação do somefile.txt, um personagem não pode realmente ser composta por dois bytes. Esta página dá mais informações sobre como ler streams com a codificação adequada.

A chatice é, o sistema de arquivos não dizer a codificação do arquivo, porque ele não sabe. Na medida em que está em causa, é apenas um monte de bytes. Você deve encontrar alguma maneira de comunicar a codificação para o programa, detectá-lo de alguma forma, ou (se possível) sempre garantir que a codificação é o mesmo (como UTF-8).

Answer 5

Existe um determinado razão pela qual você está lendo o arquivo da maneira que você faz?

Se você está lendo em um arquivo ASCII que você realmente deve estar usando um Reader.

eu faria algo como:

File inputFile = new File("somefile.txt");
BufferedReader reader = new BufferedReader(new FileReader(inputFile));

E, em seguida, usar readLine ou similar para realmente ler os dados!

Answer 6

Sim, é Unicode.

Se você tem 14 Chars em seu arquivo, você só tem 7 '?'.

Solução pendente. Ainda pensando.