SJISのHTMLファイルをUTF-8に変換したい

Question

JAVA8にて以下を行いたいです。

・SJISのhtmlファイルをUTF-8に変換

■経緯
SJISのhtmlのファイル自体の文字コードセットを変換するために
手動でサクラエディタなどの「上書き保存」ダイアログで
文字コードを変換しています。
（以下は例です）

その場合は
・ファイル自体の日本語が文字化けせず
・ブラウザにてcharsetがUTF-8で正常に表示
されます。

これを手動ではなくJAVAで実現したいのですが
・ファイル自体の日本語が文字化け
したり
・ファイルをUTF-8で作成しているのに出力ファイルの文字コードセットがSJISになってしまう

という現象が起きており、なかなかうまくいきません。

例えば以下のコードだと
・ファイル自体の日本語が文字化け
・ファイル自体の文字コードセットがSJIS
になってしまいます。

どうしたら
・ファイル自体が文字化けせず日本語が表示される
・ファイル自体の文字コードセットがUTF-8
に出来るのでしょうか。

        // 改行コード定義
        String zero_a = "\n";

        
		final String FROM = "SJIS";
		FileInputStream fis=new FileInputStream("C:\test\html\sample.html");
		InputStreamReader isr=new InputStreamReader(fis,"SJIS");
		BufferedReader br=new BufferedReader(isr);
		


		// FileOutputStreamで文字コード・改行コードを指定(UTF-8,\n)
        PrintWriter pw2 = new PrintWriter(
                          new BufferedWriter(
                          new OutputStreamWriter(
                          new FileOutputStream
                            ("C:\test\html\henkan.txt"),"UTF-8")));
        
		String line;
		String str;
		while((line =br.readLine()) != null) {
			 byte[] b = line.getBytes();
	         //文字コードをUTF-8に変換する
			 str = new String(b, "UTF-8");
			 System.out.println(str);
			pw2.print(str+zero_a);
			//bw.newLine();
		}
		br.close();
		//bw.close();

        
        
        pw2.close();

	}
コード

Answer 1

質問者さんご提示のコードではBufferedReaderやPrintWriterを併用していて、悪いわけではないのですが少々ヤヤコシイことになっています。ファイルを取り扱うJavaのサンプルコードではBufferedReaderなどを使った例が多くみられますが、これは読み書きするファイルのデータをバッファリングすることで効率よく処理をするためです。しかしそれは文字コード変換だけで考えると必ずしも必要なわけではありません。

単純にただ「シフトJISエンコードのファイルを入力として、UTF-8エンコードのファイルを出力する」だけであれば、以下のコードで実現できます。
シフトJISエンコードのsjisin.txt ファイルをUTF-8エンコードのutf8out.txt ファイルとして出力します。

public static void f1()
    throws Exception
{
    String source = "sjisin.txt";
    FileInputStream fis= new FileInputStream(source);
    // 入力ファイルのエンコーディングをシフトJISとして扱う。
    InputStreamReader isr = new InputStreamReader(fis, "SJIS");

    String dest = "utf8out.txt";
    // 出力ファイルのエンコーディングをUTF-8として扱う。
    FileOutputStream fos = new FileOutputStream(dest);
    OutputStreamWriter osw = new OutputStreamWriter(fos, "UTF-8");

    int cc;
    while ((cc = isr.read()) != -1) {
        // read()したJavaの1文字を、UTF-8のOutputStreamで出力する。
        osw.write(cc);
    }
    isr.close();
    osw.close();
}

今どきであればtry-with-resourceを使って以下のようなかんじでしょうか。

public static void f2()
    throws Exception
{
    String source = "sjisin.txt";
    String dest = "utf8out2.txt";
    try (InputStreamReader isr = new InputStreamReader(new FileInputStream(source), "SJIS")
        ; OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream(dest), "UTF-8")) {

        int cc;
        while ((cc = isr.read()) != -1) {
            osw.write(cc);
        }
    }
}

尚、例外(Exception)はあえてthrows Exceptionで呼び出し側に任せているのと、CRLFの改行コードを変換するなどはしていないのでご注意ください。

このような方法もある、ということでの参考までの回答です。

Comments

[dodox86]

たくさんのファイルをサクラエディタで手動で文字コード変換するのが面倒くさくて大変、というところからの質問だと思いますが、「nkf」という有名で実績のある便利なコマンドがあるので、そういったものを使えるようにしておくのもよいです

[yuu9999]

ありがとうございます！

Answer 2

入力のストリームは SJIS、出力のストリームは UTF-8 とちゃんと指定してありますので、それ以外の変換は不要です。

            pw2.print(line + zero_a);

だけでよく、変数 b str は消してください。

Comments

[yuu9999]

ありがとうございます！

Answer 3

皆様ありがとうございます。
実は、変換自体はうまくできていて
サクラエディタがSJISに間違って認識していました。
ファイル⇒開きなおす⇒UTF8で開きなおすで文字化けせずに表示できました。

Answer 4

Javaには詳しくないのですが、new String()の2つ目の引数に"UTF-8"ではなく"SJIS"を指定すればよいのではないでしょうか。

Java - Shift-JISからUTF-8への変換方法 | teratail

上記の質問の回答を参考にしました。

//文字コードをUTF-8に変換する
str = new String(b, "SJIS");

ご参考まで。

Comments

[yuu9999]

ありがとうございます！