如何检测非法的UTF-8字节序列以在java输入流中替换它们？
有问题的文件不在我的控制之下。 大多数字节序列都是有效的UTF-8，它不是ISO-8859-1（或其他编码）。 我想尽我所能提取尽可能多的信息。
该文件包含一些非法字节序列，应替换为替换字符。
这不是一件容易的事，它认为它需要一些关于UTF-8状态机的知识。
Oracle有一个包装器可以满足我的需求：
UTF8ValidationFilter javadoc
是否有类似的东西（商业或免费软件）？
谢谢
-stephan
解：
final BufferedInputStream in = new BufferedInputStream(istream); final CharsetDecoder charsetDecoder = StandardCharsets.UTF_8.newDecoder(); charsetDecoder.onMalformedInput(CodingErrorAction.REPLACE); charsetDecoder.onUnmappableCharacter(CodingErrorAction.REPLACE); final Reader inputReader = new InputStreamReader(in, charsetDecoder); java.nio.charset.CharsetDecoder做你需要的。 此类为不同类型的错误提供了用户可定义的onMalformedInput()解码（请参阅onMalformedInput()和onUnmappableCharacter() ）。
CharsetDecoder写入一个OutputStream ，您可以使用java.io.PipedOutputStream将其传递到InputStream ，从而有效地创建一个过滤的InputStream 。
一种方法是读取前几个字节以检查字节顺序标记（如果存在）。 有关BOM的更多信息： http ： //en.wikipedia.org/wiki/Byte_order_mark在给定的URL中，您将找到BOM字节的表。 但是，一个问题是，UTF-8不需要在其标题中使用BOM。 解决问题的另一种方法是通过模式识别（每次读取几个字节-8位）。 无论如何，这是一个复杂的解决方案..
您想要的行为已经是InputStreamReader的默认行为。 所以没有必要自己指定它。 这足以：
final BufferedInputStream in = new BufferedInputStream(istream); final Reader inputReader = new InputStreamReader(in, StandardCharsets.UTF_8);