मैं यूनिकोड में अजीब पात्रों को ग्रहण कैसे कर सकता हूं?

Question

तो मैं अपने प्रोग्राम को नामों की सूची के साथ एक टेक्स्ट फ़ाइल आउटपुट करने की कोशिश कर रहा हूं। कुछ नामों में अस्ट्रोम जैसे अजीब पात्र हैं।

मैं किसी वेबपेज कि "UTF-8" में एन्कोड किया गया है से नाम के इन सूची पकड़ा है, या कम से कम मैं बहुत यकीन है कि क्योंकि पेज स्रोत का कहना है

"मेटा http-समतुल्य यह करता हूँ = "सामग्री-प्रकार" सामग्री = "पाठ/एचटीएमएल; charset = UTF-8 "/"

यह वही है मैं अब तक की कोशिश की है है:

public static void write(List<String> list) throws IOException { 
     Writer out = new OutputStreamWriter(new FileOutputStream("test.txt"), "UTF-8"); 
     try { 
      for (int i=0;i<list.size();i++) { 
       try { 
        byte[] utf8Bytes = list.get(i).getBytes("UTF-8"); 
        out.write(new String(utf8Bytes, "UTF-8")); 
       } catch (UnsupportedEncodingException e) { 
        e.printStackTrace(); 
       } 

       out.write(System.getProperty("line.separator")); 

      } 
     } 
     finally { 
     out.close(); 
     } 
    } 

और मैं एक छोटे से कारण है कि यह काम नहीं कर रहा है के रूप में उलझन में हूँ। मुझे प्राप्त आउटपुट "à ... ström" है, जो बहुत अजीब है।

क्या कोई मुझे सही दिशा में इंगित कर सकता है? धन्यवाद!

और एक और असंबंधित नोट पर, वहाँ भद्दा

out.write के अलावा किसी पाठ फ़ाइल में एक नई लाइन लिखने के लिए (System.getProperty ("line.separator")) एक आसान तरीका है,

मेरे पास है? मैंने देखा कि ऑनलाइन कहीं और यह काम करता है, लेकिन मैं बस सोच रहा था कि एक क्लीनर तरीका था या नहीं।

Answer 1

अपने Eclipse > Preferences > General > Workspace > Text file encoding को यूटीएफ -8 पर सेट करें।

Answer 2

सामग्री वास्तव में यूटीएफ -8 में है और यह कंसोल पर मुद्रित होने पर ठीक प्रतीत होता है। क्या समस्या हो सकती है समस्या को डीकोडिंग और एन्कोडिंग स्ट्रिंग जो अनावश्यक है। आउटपुटस्ट्रीमवाइटर के बजाय java.io.PrintWriter का उपयोग करने का प्रयास करें। इसमें println विधियां हैं जो अंत में सिस्टम लाइन विभाजक के साथ स्ट्रिंग को मुद्रित करती हैं। यह कुछ ऐसा दिखाई देगा:

printStream.println(list.get(i)); 

साथ ही, फ़ाइल को खोलने पर इसे ब्राउज़र का उपयोग करने का प्रयास करने पर भी। वे आपको इसे खोलने के बाद एन्कोडिंग चुनने की अनुमति देते हैं ताकि आप वास्तव में उपयोग किए जा रहे कार्यों को देखने के लिए जल्दी से कई एन्कोडिंग आज़मा सकें।

Answer 3

नोटपैड विशेष रूप से समृद्ध संपादक नहीं है। यह दस्तावेज एन्कोडिंग का अनुमान लगाने का प्रयास करेगा, कभी-कभी unexpected results के साथ। "सादा पाठ" दस्तावेज़ों में उनके एन्कोडिंग के बारे में कोई मेटाडेटा नहीं होता है जो उन्हें कुछ सीमाएं देता है। एन्कोडिंग एक यूनिकोड प्रारूप है या नहीं, यह निर्धारित करने के लिए विंडोज ऐप्स (नोटपैड शामिल) अक्सर बाइट-ऑर्डर-मार्क (यू + एफईएफएफ या "\uFEFF" जावा स्ट्रिंग्स) पर भरोसा करते हैं। यह नोटपैड की मदद कर सकता है; यह आपके वेब पेज की समस्या के लिए बेकार होगा।

एचटीएमएल 4 spec how output encoding should be set परिभाषित करता है। मेटा एन्कोडिंग निर्दिष्ट करने के अलावा आपको Content-Type HTTP शीर्षलेख सेट करना चाहिए।

आप अपने वेब ऐप में जो भी उपयोग कर रहे हैं उसका उल्लेख नहीं करते हैं। एक सर्वलेट को सामग्री प्रकार setContentType("text/html; charset=UTF-8") सेट करना चाहिए; एक जेएसपी को ऐसा करने के लिए पृष्ठ निर्देश का उपयोग करना चाहिए। अन्य दृश्य प्रौद्योगिकियां समान तंत्र प्रदान करेंगी।

---

byte[] utf8Bytes = list.get(i).getBytes("UTF-8"); 
out.write(new String(utf8Bytes, "UTF-8")); 

इस कोड को कुछ बेकार संचालन करता है; यह यूटीएफ -16 से यूटीएफ -8 तक चरित्र डेटा ट्रांसकोड करता है, फिर यूटीएफ -8 से यूटीएफ -16 तक, फिर Writer पर डेटा लिखता है (जो यूटीएफ -16 को फिर से यूटीएफ -8 में ट्रांसकोड करेगा)। न्यू लाइन सहायता प्राप्त करने के

String str = list.get(i); 
out.write(str); 

---

उपयोग एक PrintWriter: इस कोड के बराबर है।

---

आप जावा here, here और here में वर्ण एन्कोडिंग के बारे में अधिक पढ़ सकते हैं।