Java读取中文的乱码问题

最近在解析一堆文件，有gbk的，有UTF-8的，处理过程中碰到了乱码问题，相信很多做过相关工作的人都有类似经历。

和中文编码相关的有几个地方：
1. 原始文件的编码（Input的编码）
2. 希望输出的编码（Output的编码）
3. Eclipse的默认字符集编码 （项目->右键Properties->Text file encoding）

文件本质上是一个字节流：
file: Byte1 Byte2 Byte3 Byte4 Byte5 ....
但是Java中的String的基本单元是Char:
String: Char1 Char2 Char3 Char4 ....
所以在Java读取文件的时候，存在着一个将Byte转换成Char的过程：
(Byte1 Byte2) (Byte3) (Byte4 Byte5) ....
Char1 Char2 Char3 ...

从Byte到Char的转变是需要用到字符集编码的。
默认情况下，采用Eclipse的默认字符集将Bytes转变为Char。
如果原始文件的编码是GBK，但是Eclipse的默认字符集是UTF-8。那么在读取文件的时候就会用错误的字符集进行编码，这就是出现中文乱码的原因。

解决办法是在创建Reader的时候指定字符集编码，比如：
假设读入文件的字符集编码是GBK，那么：
InputStreamReader isr = new InputStreamReader(new FileInputStream(file), "gbk");
BufferedReader reader = new BufferedReader(isr);

String line = reader.readLine();
这样，line就是正确的按照GBK编码后的字符串。

如果希望将GBK编码的line以UTF-8的形式写入到文件中，可以：
OutputStreamWriter osr = new OutputStreamWriter(new FileOutputStream(outfile), "UTF-8");
BufferedWriter writer = new BufferedWriter(osr);
//.....
writer.write(line);

***************************** 我是分割线**************************************

补充一个很好的Link，关于Java的中文编码： http://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/index.html