使用BufferedReader转BufferedWriter生成空文件，ANSI(Latin-5)转UTF-8求助

嘿，我看你遇到了把Latin-5（ANSI）转UTF-8时文件内容被清空的问题，这种情况大多是因为文件读写时的编码处理逻辑出了问题——要么是读取时没指定正确的编码导致读不到有效内容，要么是异常处理不到位，让程序在出错时依然执行了写入操作，最终留下空文件。结合你给出的代码片段，我帮你梳理常见错误点，并给出修正后的完整方案：

常见错误原因 #

• 读取文件时未指定Latin-5编码：Java默认编码依赖系统环境，如果不明确指定ISO-8859-9（Latin-5的标准编码名称），用默认编码读取Latin-5文件会导致字符解析错误，甚至读不到有效内容，写入自然就为空。
• 编码判断逻辑不准确：如果你的编码检测方法有误，误把UTF-8文件当成Latin-5处理，或者反过来，都可能导致写入空内容。
• 异常处理缺失：读取文件时如果发生错误（比如文件损坏、权限问题），程序没捕获异常就继续执行写入操作，会生成空文件。

修正后的完整代码 #

下面是一套可靠的编码检测+转换实现，解决了上述问题：

package altyazi;

import java.io.*;
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;

public class EncodingConverter {

    // 判断文件是否为UTF-8编码（兼顾BOM检测和字节序列验证）
    public static boolean isUTF8(File file) throws IOException {
        try (FileInputStream fis = new FileInputStream(file)) {
            byte[] buffer = new byte[3];
            int readBytes = fis.read(buffer);

            // 检查UTF-8 BOM（EF BB BF）——部分UTF-8文件会带这个标识
            if (readBytes >= 3 && buffer[0] == (byte) 0xEF && buffer[1] == (byte) 0xBB && buffer[2] == (byte) 0xBF) {
                return true;
            }

            // 重置流到文件开头，继续检测编码格式
            fis.reset();
            int remainingBytes = 0;
            int currentByte;

            while ((currentByte = fis.read()) != -1) {
                if ((currentByte & 0x80) == 0) {
                    // 单字节UTF-8字符（ASCII范围）
                    remainingBytes = 0;
                } else if ((currentByte & 0xE0) == 0xC0) {
                    // 双字节UTF-8字符的起始字节
                    remainingBytes = 1;
                } else if ((currentByte & 0xF0) == 0xE0) {
                    // 三字节UTF-8字符的起始字节
                    remainingBytes = 2;
                } else if ((currentByte & 0xF8) == 0xF0) {
                    // 四字节UTF-8字符的起始字节
                    remainingBytes = 3;
                } else {
                    // 不符合UTF-8格式的字节
                    return false;
                }

                // 验证后续的字节是否符合UTF-8的续字节格式（10xxxxxx）
                while (remainingBytes > 0 && (currentByte = fis.read()) != -1) {
                    if ((currentByte & 0xC0) != 0x80) {
                        return false;
                    }
                    remainingBytes--;
                }

                // 如果还有未验证的续字节，说明文件不完整，不是有效UTF-8
                if (remainingBytes > 0) {
                    return false;
                }
            }
            return true;
        }
    }

    // 将Latin-5编码文件转换为UTF-8
    public static void convertLatin5ToUTF8(File sourceFile, File targetFile) throws IOException {
        // 明确指定Latin-5编码读取源文件
        try (BufferedReader reader = new BufferedReader(
                new InputStreamReader(new FileInputStream(sourceFile), Charset.forName("ISO-8859-9")));
             // 明确指定UTF-8编码写入目标文件
             BufferedWriter writer = new BufferedWriter(
                     new OutputStreamWriter(new FileOutputStream(targetFile), StandardCharsets.UTF_8))) {

            String line;
            while ((line = reader.readLine()) != null) {
                writer.write(line);
                writer.newLine(); // 保留原文件的换行格式
            }
        }
    }

    public static void main(String[] args) {
        // 替换成你的目标目录路径
        File targetDir = new File("./your-text-files");
        File[] textFiles = targetDir.listFiles((file) -> file.isFile() && file.getName().endsWith(".txt"));

        if (textFiles == null) {
            System.out.println("指定目录不存在，或目录下无txt文件");
            return;
        }

        for (File file : textFiles) {
            try {
                if (!isUTF8(file)) {
                    // 生成带_utf8后缀的目标文件
                    File outputFile = new File(file.getParent(), file.getName().replace(".txt", "_utf8.txt"));
                    convertLatin5ToUTF8(file, outputFile);
                    System.out.println("转换完成：" + file.getName() + " → " + outputFile.getName());
                } else {
                    System.out.println("已为UTF-8编码，无需转换：" + file.getName());
                }
            } catch (IOException e) {
                System.err.println("处理文件 " + file.getName() + " 时出错：");
                e.printStackTrace();
            }
        }
    }
}

关键注意事项 #

• 明确指定编码：读取时必须用ISO-8859-9（Latin-5的标准编码名），写入时用StandardCharsets.UTF_8，绝对不要依赖系统默认编码，否则跨环境运行会出问题。
• 可靠的编码检测：上面的isUTF8方法不仅检测UTF-8的BOM，还验证字节序列的合法性，比简单的字节检测更准确，避免误判。
• 异常隔离：每个文件的处理都单独捕获异常，一个文件出错不会影响其他文件的转换，同时能清晰定位问题文件。

内容的提问来源于stack exchange，提问作者Faruk