Java使用FileReader读取ASCII文件时特殊字符丢失问题求助

问题根源 #

你用FileReader或指定UTF-8编码的InputStreamReader读取文件时，本质是按字符编码解析字节。文件中第486-498位的二进制内容（非可打印ASCII字符）无法被UTF-8或系统默认编码识别，会被自动替换为�这类占位符，导致原始字节信息丢失，后续转换自然出错。

解决思路 #

必须直接读取文件的原始字节流，完整保留所有内容；再区分ASCII文本区域和二进制区域，分别处理：ASCII部分按编码映射转换为EBCDIC，二进制部分直接保留原始字节，最后合并输出。

具体实现代码 #

import java.io.ByteArrayOutputStream;
import java.nio.charset.Charset;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.Arrays;

// 读取文件全部原始字节
byte[] rawBytes = Files.readAllBytes(Paths.get(sourceFile.getAbsolutePath()));

// 拆分字节区域（注意：以下下标基于1-based位置转换为0-based数组索引，需根据实际情况调整）
byte[] asciiSection1 = Arrays.copyOfRange(rawBytes, 0, 485);       // 第1-485位（ASCII文本）
byte[] binarySection = Arrays.copyOfRange(rawBytes, 485, 498);     // 第486-498位（二进制内容）
byte[] asciiSection2 = Arrays.copyOfRange(rawBytes, 498, rawBytes.length); // 第499位到末尾（ASCII文本）

// 定义编码：ASCII和目标EBCDIC编码（IBM037是常用EBCDIC编码，可根据需求替换）
Charset asciiCharset = Charset.forName("US-ASCII");
Charset ebcdicCharset = Charset.forName("IBM037");

// 转换ASCII区域到EBCDIC
byte[] ebcdicSection1 = new String(asciiSection1, asciiCharset).getBytes(ebcdicCharset);
byte[] ebcdicSection2 = new String(asciiSection2, asciiCharset).getBytes(ebcdicCharset);

// 合并所有区域：转换后的ASCII + 原始二进制 + 转换后的ASCII
ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
outputStream.write(ebcdicSection1);
outputStream.write(binarySection);
outputStream.write(ebcdicSection2);

// 写入输出文件
Files.write(Paths.get(outputFile.getAbsolutePath()), outputStream.toByteArray());

关键说明 #

1. 字节流读取：Files.readAllBytes直接读取文件原始字节，不会对任何内容做编码解析，确保二进制信息完整保留。
2. 编码转换边界：如果你的ASCII-EBCDIC转换工具（CharFormatConverter.java）有自定义映射逻辑，可替换上述代码中new String(...).getBytes(...)的部分，用工具处理ASCII区域的转换。
3. 位置校验：务必确认文件位置是1-based还是0-based，避免拆分区域时出现偏移错误。

内容的提问来源于stack exchange，提问作者Edisson Gabriel López