【免费】Java判断文件编码格式-明明是悟空-博客园1_java判断文件编码格式,java如何判断文件编码资源-CSDN文库

需积分: 0 194 浏览量 2022-08-03 18:27:13 上传评论 1 收藏 782KB PDF 举报

资源详情

资源评论

资源推荐

2018/11/11 Java判断文件编码格式 - 明明是悟空 - 博客园
https://www.cnblogs.com/x_wukong/p/3732955.html 1/6
Java判断文件编码格式
转自：http://blog.csdn.net/zhangzh332/article/details/6719025
 
一般情况下我们遇到的文件编码格式为GBK或者UTF-8。由于中文Windows默认的编码是GBK，所以一般只要判定UTF-8编码格式。 
对于UTF-8编码格式的文本文件，其前3个字节的值就是-17、-69、-65，所以，判定是否是UTF-8编码格式的代码片段如下： 
Java代码
1.  java.io.File f=new java.io.File("待判定的文本文件名");  
2.  try{  
3.    java.io.InputStream ios=new java.io.FileInputStream(f);  
4.   byte[] b=new byte[3];  
5.    ios.read(b);  
6.    ios.close();  
7.   if(b[0]==-17&&b[1]==-69&&b[2]==-65)  
8.       System.out.println(f.getName()+"编码为UTF-8");  
9.   else System.out.println(f.getName()+"可能是GBK");  
10.  }catch(Exception e){  
11.     e.printStackTrace();  
12.  }  
 
 
上述代码只是简单判定了是否是UTF-8格式编码的文本文件，如果项目对要判定的文本文件编码不可控（比如用户上传的一些HTML、
XML等文本），可以采用一个现成的开源项目：cpdetector，它所在的网址是：http://cpdetector.sourceforge.net/。它的类库很
小，只有500K左右，利用该类库判定文本文件的代码如下（由于cpdetector的算法使用概率统计，所以结果并不是100%准确的，但是
是迄今为止我见过的最准确的....@_@）： 
Java代码
1.  /*------------------------------------------------------------------------ 
2.    detector是探测器，它把探测任务交给具体的探测实现类的实例完成。 
3.    cpDetector内置了一些常用的探测实现类，这些探测实现类的实例可以通过add方法 
4.   加进来，如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。  
5.    detector按照“谁最先返回非空的探测结果，就以该结果为准”的原则返回探测到的 
6.   字符集编码。 
7.  --------------------------------------------------------------------------*/ 
8.  cpdetector.io.CodepageDetectorProxy detector =  
9.  cpdetector.io.CodepageDetectorProxy.getInstance();  
10.  /*------------------------------------------------------------------------- 
11.    ParsingDetector可用于检查HTML、XML等文件或字符流的编码,构造方法中的参数用于 
12.   指示是否显示探测过程的详细信息，为false不显示。 
13.  ---------------------------------------------------------------------------*/ 
14.  detector.add(new cpdetector.io.ParsingDetector(false));   
15.  /*-------------------------------------------------------------------------- 
16.    JChardetFacade封装了由Mozilla组织提供的JChardet，它可以完成大多数文件的编码 
17.   测定。所以，一般有了这个探测器就可满足大多数项目的要求，如果你还不放心，可以 
18.   再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。 
19.   ---------------------------------------------------------------------------*/ 
20.  detector.add(cpdetector.io.JChardetFacade.getInstance());  
21.  //ASCIIDetector用于ASCII编码测定 
22.  detector.add(cpdetector.io.ASCIIDetector.getInstance());  
23.  //UnicodeDetector用于Unicode家族编码的测定 
公告
昵称：明明是悟空 
园龄：6年6个月 
粉丝：92 
关注：4
+加关注
< 2018年11
日 一 二 三
28 29 30 31
4 5 6 7
11 12 13 14
18 19 20 21
25 26 27 28
2 3 4 5
搜索
我的标签
Linux(127)
web开发(84)
java(63)
c/c++(59)
android(45)
Linux内核(38)
chromium(29)
webrtc(23)
明明是悟空
术到极致，几近于道！
博客园 首页 新随笔 联系 订阅 管理