Java读取ANSI格式文件为byte[]时字符数不符的问题

看起来你踩了一个常见的坑：把二进制像素数据当成文本文件来读了！让我帮你理清问题并解决它：

问题根源 #

你提到Notepad++打开显示784000个字符，但Java用BufferedReader/Scanner以ANSI编码读取时字符数更少——这是因为：

• 这个数据文件本质是二进制像素数据，每个字节对应一个28×28图像的灰度值（0-255），并不是真正的文本文件。
• Notepad++只是把每个字节强行解析成ASCII字符（哪怕是不可见的控制字符），所以你看到的“784000个字符”其实是字节的可视化效果，不是标准文本。
• 用字符流读取时，Java会按照ANSI编码规则解码字节，遇到无法识别的字节（比如值大于127的字节）会自动替换成默认的占位符（�）或者直接跳过，导致最终读取的字符数少于预期。

正确的解决方案：用字节流读取 #

既然是二进制数据，就应该用字节流来读取，直接获取原始字节，再转换成图像数据。下面是完整的Java代码示例：

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;

public class DigitImageLoader {
    public static void main(String[] args) throws IOException {
        // 替换成你的数据文件路径
        String filePath = "path/to/your/digit/data/file";
        
        // 一次性读取所有字节（文件大小应该正好是784000字节）
        byte[] rawData = Files.readAllBytes(Paths.get(filePath));
        
        // 先验证文件大小是否符合预期
        if (rawData.length != 28 * 28 * 1000) {
            System.err.println("文件异常：预期784000字节，实际读取到" + rawData.length + "字节");
            return;
        }
        
        // 遍历处理1000张图像
        for (int imageIndex = 0; imageIndex < 1000; imageIndex++) {
            // 计算当前图像在字节数组中的起始位置
            int startPos = imageIndex * 784;
            int[][] grayImage = new int[28][28];
            
            // 填充28×28的灰度数组
            for (int row = 0; row < 28; row++) {
                for (int col = 0; col < 28; col++) {
                    // 将有符号字节转换为无符号灰度值（0-255）
                    grayImage[row][col] = rawData[startPos + row * 28 + col] & 0xFF;
                }
            }
            
            // 这里可以添加图像识别逻辑，或者保存图像、打印测试值
            System.out.println("已加载第" + (imageIndex + 1) + "张图像");
        }
    }
}

额外提示 #

• 你可以先在文件管理器中查看文件的实际大小，如果是784000字节，就完全符合我们的预期，说明数据没有损坏。
• 如果需要把灰度数组转换成Java的BufferedImage用于显示或进一步处理，可以用这段代码：

import java.awt.image.BufferedImage;

// 转换grayImage为BufferedImage
BufferedImage bufferedImage = new BufferedImage(28, 28, BufferedImage.TYPE_BYTE_GRAY);
for (int row = 0; row < 28; row++) {
    for (int col = 0; col < 28; col++) {
        int gray = grayImage[row][col];
        // 灰度值转成ARGB（Alpha通道设为255，不透明）
        int argb = (255 << 24) | (gray << 16) | (gray << 8) | gray;
        bufferedImage.setRGB(col, row, argb);
    }
}

内容的提问来源于stack exchange，提问作者Eron Neill