1：簡單判斷是UTF-8或不是UTF-8，因為一般除了UTF-8之外就是GBK，所以就設置默認為GBK。
按照給定的字符集存儲文件時，在文件的最開頭的三個字節(jié)中就有可能存儲著編碼信息，所以，基本的原理就是只要讀出文件前三個字節(jié)，判定這些字節(jié)的值，就可以得知其編碼的格式。其實，如果項目運行的平臺就是中文操作系統(tǒng)，如果這些文本文件在項目內(nèi)產(chǎn)生，即開發(fā)人員可以控制文本的編碼格式，只要判定兩種常見的編碼就可以了：GBK和UTF-8。由于中文Windows默認的編碼是GBK，所以一般只要判定UTF-8編碼格式。
對于UTF-8編碼格式的文本文件，其前3個字節(jié)的值就是-17、-69、-65，所以，判定是否是UTF-8編碼格式的代碼片段如下：
|
1
2
3
4
5
6
7
8
9
|
File file = new File(path); InputStream in= new java.io.FileInputStream(file); byte[] b = new byte[3]; in.read(b); in.close(); if (b[0] == -17 && b[1] == -69 && b[2] == -65) System.out.println(file.getName() + "：編碼為UTF-8"); else System.out.println(file.getName() + "：可能是GBK，也可能是其他編碼"); |
2：若想實現(xiàn)更復雜的文件編碼檢測，可以使用一個開源項目cpdetector，它所在的網(wǎng)址是：http://cpdetector.sourceforge.net/。它的類庫很小，只有500K左右，cpDetector是基于統(tǒng)計學原理的，不保證完全正確，利用該類庫判定文本文件的代碼如下：
讀外部文件(先利用cpdetector檢測文件的編碼格式，然后用檢測到的編碼方式去讀文件):
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
/** * 利用第三方開源包cpdetector獲取文件編碼格式 * * @param path * 要判斷文件編碼格式的源文件的路徑 * @author huanglei * @version 2012-7-12 14:05 */public static String getFileEncode(String path) { /* * detector是探測器，它把探測任務交給具體的探測實現(xiàn)類的實例完成。 * cpDetector內(nèi)置了一些常用的探測實現(xiàn)類，這些探測實現(xiàn)類的實例可以通過add方法 加進來，如ParsingDetector、 * JChardetFacade、ASCIIDetector、UnicodeDetector。 * detector按照“誰最先返回非空的探測結(jié)果，就以該結(jié)果為準”的原則返回探測到的 * 字符集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar * cpDetector是基于統(tǒng)計學原理的，不保證完全正確。 */ CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance(); /* * ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于 * 指示是否顯示探測過程的詳細信息，為false不顯示。 */ detector.add(new ParsingDetector(false)); /* * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數(shù)文件的編碼 * 測定。所以，一般有了這個探測器就可滿足大多數(shù)項目的要求，如果你還不放心，可以 * 再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。 */ detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar // ASCIIDetector用于ASCII編碼測定 detector.add(ASCIIDetector.getInstance()); // UnicodeDetector用于Unicode家族編碼的測定 detector.add(UnicodeDetector.getInstance()); java.nio.charset.Charset charset = null; File f = new File(path); try { charset = detector.detectCodepage(f.toURI().toURL()); } catch (Exception ex) { ex.printStackTrace(); } if (charset != null) return charset.name(); else return null; } |
|
1
2
3
4
|
String charsetName = getFileEncode(configFilePath); System.out.println(charsetName); inputStream = new FileInputStream(configFile); BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName)); |
讀jar包內(nèi)部資源文件(先利用cpdetector檢測jar內(nèi)部的資源文件的編碼格式，然后以檢測到的編碼方式去讀文件)：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
/** * 利用第三方開源包cpdetector獲取URL對應的文件編碼 * * @param path * 要判斷文件編碼格式的源文件的URL * @author huanglei * @version 2012-7-12 14:05 */public static String getFileEncode(URL url) { /* * detector是探測器，它把探測任務交給具體的探測實現(xiàn)類的實例完成。 * cpDetector內(nèi)置了一些常用的探測實現(xiàn)類，這些探測實現(xiàn)類的實例可以通過add方法 加進來，如ParsingDetector、 * JChardetFacade、ASCIIDetector、UnicodeDetector。 * detector按照“誰最先返回非空的探測結(jié)果，就以該結(jié)果為準”的原則返回探測到的 * 字符集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar * cpDetector是基于統(tǒng)計學原理的，不保證完全正確。 */ CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance(); /* * ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于 * 指示是否顯示探測過程的詳細信息，為false不顯示。 */ detector.add(new ParsingDetector(false)); /* * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數(shù)文件的編碼 * 測定。所以，一般有了這個探測器就可滿足大多數(shù)項目的要求，如果你還不放心，可以 * 再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。 */ detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar // ASCIIDetector用于ASCII編碼測定 detector.add(ASCIIDetector.getInstance()); // UnicodeDetector用于Unicode家族編碼的測定 detector.add(UnicodeDetector.getInstance()); java.nio.charset.Charset charset = null; try { charset = detector.detectCodepage(url); } catch (Exception ex) { ex.printStackTrace(); } if (charset != null) return charset.name(); else return null; } |
|
1
2
3
4
5
6
|
URL url = CreateStationTreeModel.class.getResource("/resource/" + "配置文件"); URLConnection urlConnection = url.openConnection(); inputStream=urlConnection.getInputStream(); String charsetName = getFileEncode(url); System.out.println(charsetName); BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName)); |
3：探測任意輸入的文本流的編碼，方法是調(diào)用其重載形式：
|
1
|
charset=detector.detectCodepage(待測的文本輸入流,測量該流所需的讀入字節(jié)數(shù)); |
上面的字節(jié)數(shù)由程序員指定，字節(jié)數(shù)越多，判定越準確，當然時間也花得越長。要注意，字節(jié)數(shù)的指定不能超過文本流的最大長度。
4：判定文件編碼的具體應用舉例：
屬性文件(.properties)是Java程序中的常用文本存儲方式，象STRUTS框架就是利用屬性文件存儲程序中的字符串資源。它的內(nèi)容如下所示：
#注釋語句
屬性名=屬性值
讀入屬性文件的一般方法是：
|
1
2
3
4
5
|
FileInputStream ios=new FileInputStream(“屬性文件名”); Properties prop=new Properties(); prop.load(ios); String value=prop.getProperty(“屬性名”); ios.close(); |
利用java.io.Properties的load方法讀入屬性文件雖然方便，但如果屬性文件中有中文，在讀入之后就會發(fā)現(xiàn)出現(xiàn)亂碼現(xiàn)象。發(fā)生這個原因是load方法使用字節(jié)流讀入文本，在讀入后需要將字節(jié)流編碼成為字符串，而它使用的編碼是“iso-8859-1”,這個字符集是ASCII碼字符集，不支持中文編碼，
方法一：使用顯式的轉(zhuǎn)碼：
|
1
2
|
String value=prop.getProperty(“屬性名”); String encValue=new String(value.getBytes(“iso-8859-1″),”屬性文件的實際編碼”); |
方法二：象這種屬性文件是項目內(nèi)部的，我們可以控制屬性文件的編碼格式，比如約定采用Windows內(nèi)定的GBK，就直接利用”gbk”來轉(zhuǎn)碼， 如果約定采用UTF-8，就使用”UTF-8″直接轉(zhuǎn)碼。
方法三：如果想靈活一些，做到自動探測編碼，就可利用上面介紹的方法測定屬性文件的編碼，從而方便開發(fā)人員的工作
補充：可以用下面代碼獲得Java支持編碼集合：
|
1
|
Charset.availableCharsets().keySet(); |
可以用下面的代碼獲得系統(tǒng)默認編碼：
|
1
|
Charset.defaultCharset(); |
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：http://blog.csdn.net/qq_35101189/article/details/54341871
