Java读取UTF-8文件时line.length()长度异常问题咨询

嘿，这个问题我太熟悉了！你说的情况十有八九是原文件里藏着看不见的控制字符或者编码格式不标准导致的，我帮你拆解一下：

可能的原因 #

• 换行符残留的额外字符：有些旧编辑器或跨系统传输的文件，会把换行保存成\r\n（Windows风格），但如果Java读取时编码解析异常，readLine()可能没正确移除\r字符，导致每行末尾多了一个看不见的回车符，直接让长度多1。
• UTF-8 BOM的干扰：如果原文件是带UTF-8 BOM（字节顺序标记）的格式，Java默认的文件读取方式不会自动识别并跳过这个标记，BOM字符（U+FEFF）会被当成普通字符算进长度里。要是每行都多1，更可能是每行末尾的隐藏字符在作祟。
• 其他不可见控制字符：比如文件里混入了空字符、制表符残留之类的，肉眼看不到，但会被Java当成有效字符计算长度。

为什么复制保存后就正常了？ #

当你用系统自带的文本编辑器复制保存新文件时，编辑器会自动帮你做这些事：

• 转换成当前系统标准的换行符格式
• 自动移除多余的控制字符和BOM标记
• 统一成标准的文本编码（比如UTF-8无BOM）
  所以新文件的每行都是干净的字符串，读取时长度就正常了。

解决办法 #

1. 先排查文件内容：用支持显示所有字符的编辑器（比如Notepad++）打开原文件，开启“显示所有字符”功能，看看每行末尾是不是有额外的\r或者其他奇怪的符号。
2. 指定编码读取文件：在Java代码里明确指定编码，避免默认编码的坑：

   try (BufferedReader br = new BufferedReader(
           new InputStreamReader(new FileInputStream("your-file.txt"), StandardCharsets.UTF_8))) {
       String line;
       while ((line = br.readLine()) != null) {
           // 处理每行逻辑
       }
   }
   

3. 过滤控制字符：如果确实有隐藏字符，读取后可以过滤掉所有不可见的控制字符：

   line = line.replaceAll("\\p{C}", "");
   

   这个正则表达式会移除所有Unicode控制字符，包括BOM、回车符残留等。

内容的提问来源于stack exchange，提问作者Saad