如何在不破坏基于ASCII的代码的情况下增加美国ASCII字符集的范围？

Question

我正在使用打开文件

private String getStringFromFile(File file) {
    try {
        return Files.readString(Paths.get(file.getPath()), StandardCharsets.US_ASCII);
    }
    catch (Exception e) {
        System.out.println("Error while reading: " + file.getName());
        return "";
    }
}

即使文件似乎显然与ASCII兼容，我也得到Error while reading: fileName。

文件看起来像这样：

如果我在打开标题之前手动删除标题（带有方括号的部分），该代码将起作用（无论如何我稍后将在代码中删除它们）。有没有一种方法可以扩展字符集的范围，而又不会破坏仅适用于ASCII的代码，或者这是一种罕见的例外吗？

Here's pgn中的文件（可以以txt打开）。

Answer 1

文件几乎是ASCII格式。问题出在“科特迪瓦”中的quote字符。

该文件包含一个0x92字节。在Windows代码页1252（西欧语言）中，它是Unicode字符U + 2019右单引号。

问题是1252代码页与ISO-8859-1略有不同，ISO-8859-1对某些常见字符（如欧元符号€和左右引号）使用了未映射的位置。而且它不在always present字符集的列表中。

如何解决：

• 如果您的系统支持win1252或cp1252字符集，请使用它。
• 否则，您应该使用FilterInputStream替换非ASCII字符，例如，将其替换为空格（ASCII 0x20）或从自定义映射（0x92-> 0x27）替换为右单引号（’）一个简单的APOSTROPHE（'）。之后，InputStreamReader将为您提供预期的字符。