转换的word文档（从Windows-1252到UTF-8）不能正确显示字符

Question

我有一个Windows 1252 word文档，我想转换为UTF-8。我需要这样做才能正确地将doc文件转换为pdf。这是我目前的做法：

 Path source = Paths.get("source.doc");
 Path temp = Paths.get("temp.doc");    
 try (BufferedReader sourceReader = new BufferedReader(new InputStreamReader(new FileInputStream(source.toFile()), "windows-1252"));
      BufferedWriter tempWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(temp.toFile()), "UTF-8"))) {
        String line;
        while ((line = sourceReader.readLine()) != null) {
           tempWriter.write(line);
        }
  }

但是，当我在Word中打开转换后的文件（temp.doc）时，它无法正确显示某些字符。例如，Ü将变成ü。

我该怎么解决这个问题？当我创建一个新的BufferedReader（使用UTF-8编码）并读取temp时，这些字符在我的IDE控制台中正确显示。

Answer 1

我有一个Windows-1252 word文档

那不是一个文本文件。Word文档基本上是二进制数据——用纯文本编辑器打开它，你会看到各种各样的胡言乱语。您可能会在其中看到一些文本，但基本上它不是纯文本文件，这就是您试图读取它的方式。

我甚至不清楚“视窗-1252单词文档”是什么意思...Word会在内部使用它想要的任何编码，我不确定是否有任何控制。我希望任何像样的“文档到PDF”转换器来处理任何有效的Word文档。

当我创建一个新的BufferedReader（使用UTF-8编码）并读取temp时，字符在IDE的控制台中正确显示。

如果是这样的话，这表明它是一个纯文本文件，而不是Word文档。您需要在自己的头脑中清楚地知道您到底拥有什么—Word文档或纯文本文件。他们不是一回事，不应该以同样的方式对待他们。