JAVA高级面试进阶训练营视频教程

admin

 

Java 读取csv文件后，再保存到磁盘上，然后直接用Excel打开，你会发现里面都是乱码。

贴上代码：

public class Test {
  public static void main(String[] args) {
  
    try {
      File file = new File("c://csv//aa.csv");
      FileOutputStream out = new FileOutputStream(file);
      out.write(IOUtils.toByteArray(Test.class.getResourceAsStream("/template.csv")));
      out.flush();
      out.close();
    } catch (IOException e) {
      e.printStackTrace();
    }
  }
}

　原因：读取的文件字节流中缺失了BOM,Excel发现没有BOM，则不会用UTF-8编码打开文件(有人说用acsii码打开)，造成乱码。

解决方案就是在文件字节流起始处加上UTF-8的BOM，代码如下：public class Test {

  public static void main(String[] args) {
    byte commonCsvHead[] = {(byte) 0xEF, (byte) 0xBB,
        (byte) 0xBF};
    try {
      File file = new File("c://csv//aa.csv");
      FileOutputStream out = new FileOutputStream(file);
      out.write( Bytes.concat(commonCsvHead, IOUtils
          .toByteArray(Test.class.getResourceAsStream("/template.csv"))));
      out.flush();
      out.close();
    } catch (IOException e) {
      e.printStackTrace();
    }
  }
}

 

什么是BOM?

BOM —— Byte Order Mark，中文名译作“字节顺序标记”。在这里找到一段关于 BOM 的说明：
在UCS 编码中有一个叫做 "Zero Width No-Break Space" ，中文译名作“零宽无间断间隔”的字符，它的编码是 FEFF。而 FFFE 在 UCS 中是不存在的字符，所以不应该出现在实际传输中。UCS 规范建议我们在传输字节流前，先传输字符 "Zero Width No-Break Space"。这样如果接收者收到 FEFF，就表明这个字节流是 Big-Endian 的；如果收到FFFE，就表明这个字节流是 Little- Endian 的。因此字符 "Zero Width No-Break Space" （“零宽无间断间隔”）又被称作 BOM。
UTF-8 不需要 BOM 来表明字节顺序，但可以用 BOM 来表明编码方式。字符 "Zero Width No-Break Space" 的 UTF-8 编码是 EF BB BF。所以如果接收者收到以 EF BB BF 开头的字节流，就知道这是 UTF-8编码了。Windows 就是使用 BOM 来标记文本文件的编码方式的。
字符U+FEFF如果出现在字节流的开头，则用来标识该字节流的字节序，是高位在前还是低位在前。如果它出现在字节流的中间，则表达零宽度非换行空格的意义，用户看起来就是一个空格。从Unicode3.2开始，U+FEFF只能出现在字节流的开头，只能用于标识字节序，就如它的名称——字节序标记——所表示的一样；除此以外的用法已被舍弃。取而代之的是，使用U+2060来表达零宽度无断空白。
类似WINDOWS自带的记事本等软件，在保存一个以UTF-8编码的文件时，会在文件开始的地方插入三个不可见的字符（0xEF 0xBB 0xBF，即BOM）。它是一串隐藏的字符，用于让记事本等编辑器识别这个文件是否以UTF-8编码。对于一般的文件，这样并不会产生什么麻烦。但对于 PHP来说，BOM是个大麻烦。
PHP并不会忽略BOM，所以在读取、包含或者引用这些文件时，会把BOM作为该文件开头正文的一部分。根据嵌入式语言的特点，这串字符将被直接执行（显示）出来。由此造成即使页面的 top padding 设置为0，也无法让整个网页紧贴浏览器顶部，因为在html一开头有这3个字符呢！

　不同编码的字节顺序标记（BOM）表示：

 

编码	表示 ( 十六进制)	表示 ( 十进制)
UTF-8	EF BB BF	239 187 191
UTF-16（大端序）	FE FF	254 255
UTF-16（小端序）	FF FE	255 254
UTF-32（大端序）	00 00 FE FF	0 0 254 255
UTF-32（小端序）	FF FE 00 00	255 254 0 0
UTF-7	2B 2F 76和以下的 一个字节：[ 38 | 39 | 2B | 2F ]	43 47 118和以下的 一个字节：[ 56 | 57 | 43 | 47 ]
en:UTF-1	F7 64 4C	247 100 76
en:UTF-EBCDIC	DD 73 66 73	221 115 102 115
en:Standard Compression Scheme for Unicode	0E FE FF	14 254 255
en:BOCU-1	FB EE 28 及可能跟随着FF	251 238 40 及可能跟随着255
GB-18030	84 31 95 33	132 49 149 51