質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

Linux

Linuxは、Unixをベースにして開発されたオペレーティングシステムです。日本では「リナックス」と呼ばれています。 主にWebサーバやDNSサーバ、イントラネットなどのサーバ用OSとして利用されています。 上位500のスーパーコンピュータの90%以上はLinuxを使用しています。 携帯端末用のプラットフォームAndroidは、Linuxカーネル上に構築されています。

UTF-8

UTF-8は8ビット符号単位の文字符号化形式及び文字符号化スキームです。データ交換方式、ファイル形式としては、一般的にUTF-8が使われる傾向があります。

文字コード

文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

Q&A

解決済

1回答

2652閲覧

javaでエンコードがUTF-8かSJISかわからない文字列(行単位)をList<String>に入れたい

toroleaman

総合スコア95

Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

Linux

Linuxは、Unixをベースにして開発されたオペレーティングシステムです。日本では「リナックス」と呼ばれています。 主にWebサーバやDNSサーバ、イントラネットなどのサーバ用OSとして利用されています。 上位500のスーパーコンピュータの90%以上はLinuxを使用しています。 携帯端末用のプラットフォームAndroidは、Linuxカーネル上に構築されています。

UTF-8

UTF-8は8ビット符号単位の文字符号化形式及び文字符号化スキームです。データ交換方式、ファイル形式としては、一般的にUTF-8が使われる傾向があります。

文字コード

文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

0グッド

0クリップ

投稿2020/06/24 14:52

aaa.txtというファイルの中に、UTF-8の文字列とSJISの文字列があります。
1行ずつ読み込んで、List<String>の配列に追加したいのですが、
一部、SJISの文字列の行があり、List<String>に文字化けして追加されてしまいます。
文字化けされずに、Listに追加する方法はありますでしょうか。
SJIS文字列をUTF-8文字列にしてListに追加されればよいです。

txt

1 21行目:日本語文字1(UTF-8文字) 32行目:日本語文字2(UTF-8文字) 43行目:日本語文字3(SJIS文字) 54行目:日本語文字4(UTF-8文字) 65行目:日本語文字5(UTF-8文字) 7

java

1List<String> list = new ArrayList<String>(); 2 3FileReader f = new FileReader("aaa.txt"); 4BufferedReader bu = new BufferedReader(f); 5 6String str = bu.readLine(); 7System.out.println(str); 8byte[] tmp = str.getBytes("SJIS"); 9System.out.println(Arrays.toString(tmp)); 10list.add(str);

InputStreamReaderで文字コードを指定して読み込んで、文字コード判定して、
正しい文字コードでlistに追加するのが良いのかと検討していますが、
いまいち、どのように実装すればよいかわかっていません。

InputStreamReaderで、SJISとUTF-8の両方で読み込んでおいて、
文字列判定して、正しい文字コードでlistに追加するような処理をイメージしています

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

退会済みユーザー

退会済みユーザー

2020/06/24 15:43

嫌がらせ以外の何でもないな そんな文字コードが行毎に代わるなんて判別文字はいってないからほぼ不可能
toroleaman

2020/06/25 16:00

そうなんですね。文字コードの先頭とかで判断できたりしないものなのですね。 SJISとUTF-8だけだったら、判別できるとかないですよね。 サクラエディタとかでも文字コードをご認識するくらいだから、判別文字はないのですね。。 nkfコマンドとかで、対象の文字列を判別できる方法はあるようですが、 javaのアプリで、nkfコマンド実行するのは、ちょっと現状の処理からかけ離れているし。 何か難しい気がしています。
guest

回答1

0

ベストアンサー

文字化けされずに、Listに追加する方法はありますでしょうか。

確実な判定は不可能です。

たとえば、UTF-8で「あい」と書いたものをSJISで解釈すると、「縺ゅ>」のように、「SJISとして矛盾しない」という意味で成立してしまいます。

ということで、元のデータが「UTF-8の『あい』」だったのか「SJISの『縺ゅ>』」だったのか、後から切り分ける方法はありません。

投稿2020/06/24 22:32

maisumakun

総合スコア145123

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

toroleaman

2020/06/25 22:34

なるほど。ありがとうございます。ほぼ、ベストアンサーかもしれないです。 変換できるSJISの文字列は、SJISにして、変換できないものは、UTF-8にするなど、 誤変換を許容してもらいどちらかの文字コードを優先とする方法がベストな気がしてきました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問