Java如何获取文件编码格式

http://www.cnblogs.com/java0721/archive/2012/07/21/2602963.html

1：简单判断是UTF-8或不是UTF-8，因为一般除了UTF-8之外就是GBK，所以就设置默认为GBK。

 按照给定的字符集存储文件时，在文件的最开头的三个字节中就有可能存储着编码信息，所以，基本的原理就是只要读出文件前三个字节，判定这些字节的值，就可以得知其编码的格式。其实，如果项目运行的平台就是中文操作系统，如果这些文本文件在项目内产生，即开发人员可以控制文本的编码格式，只要判定两种常见的编码就可以了：GBK和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：
  1. File file = new File(path);  
  2. InputStream in= new java.io.FileInputStream(file);  
  3. byte[] b = new byte[3];  
  4. in.read(b);  
  5. in.close();  
  6. if (b[0] == -17 && b[1] == -69 && b[2] == -65)  
  7.     System.out.println(file.getName() + "：编码为UTF-8");  
  8. else  
  9.     System.out.println(file.getName() + "：可能是GBK，也可能是其他编码");  

 

2：若想实现更复杂的文件编码检测，可以使用一个开源项目cpdetector，它所在的网址是：http://cpdetector.sourceforge.net/。它的类库很小，只有500K左右，cpDetector是基于统计学原理的，不保证完全正确，利用该类库判定文本文件的代码如下：

读外部文件(先利用cpdetector检测文件的编码格式，然后用检测到的编码方式去读文件):

  1. /** 
  2.  * 利用第三方开源包cpdetector获取文件编码格式 
  3.  *  
  4.  * @param path 
  5.  *            要判断文件编码格式的源文件的路径 
  6.  * @author huanglei 
  7.  * @version 2012-7-12 14:05 
  8.  */  
  9. public static String getFileEncode(String path) {  
  10.     /* 
  11.      * 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。 
  12.      * 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 加进来，如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * 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 
  15.      * 字符集编码。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基于统计学原理的，不保证完全正确。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * 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 
  21.      * 指示是否显示探测过程的详细信息，为false不显示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * 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 
  26.      * 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 
  27.      * 再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用于ASCII编码测定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用于Unicode家族编码的测定  
  33.     detector.add(UnicodeDetector.getInstance());  
  34.     java.nio.charset.Charset charset = null;  
  35.     File f = new File(path);  
  36.     try {  
  37.         charset = detector.detectCodepage(f.toURI().toURL());  
  38.     } catch (Exception ex) {  
  39.         ex.printStackTrace();  
  40.     }  
  41.     if (charset != null)  
  42.         return charset.name();  
  43.     else  
  44.         return null;  
  45. }  
  1. String charsetName = getFileEncode(configFilePath);  
  2. System.out.println(charsetName);  
  3. inputStream = new FileInputStream(configFile);  
  4. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  



读jar包内部资源文件(先利用cpdetector检测jar内部的资源文件的编码格式，然后以检测到的编码方式去读文件)：

  1. /** 
  2.  * 利用第三方开源包cpdetector获取URL对应的文件编码 
  3.  *  
  4.  * @param path 
  5.  *            要判断文件编码格式的源文件的URL 
  6.  * @author huanglei 
  7.  * @version 2012-7-12 14:05 
  8.  */  
  9. public static String getFileEncode(URL url) {  
  10.     /* 
  11.      * 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。 
  12.      * 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 加进来，如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * 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 
  15.      * 字符集编码。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基于统计学原理的，不保证完全正确。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * 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 
  21.      * 指示是否显示探测过程的详细信息，为false不显示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * 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 
  26.      * 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 
  27.      * 再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用于ASCII编码测定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用于Unicode家族编码的测定  
  33.     detector.add(UnicodeDetector.getInstance());  
  34.     java.nio.charset.Charset charset = null;  
  35.     try {  
  36.         charset = detector.detectCodepage(url);  
  37.     } catch (Exception ex) {  
  38.         ex.printStackTrace();  
  39.     }  
  40.     if (charset != null)  
  41.         return charset.name();  
  42.     else  
  43.         return null;  
  44. }  
  1. URL url = CreateStationTreeModel.class.getResource("/resource/" + "配置文件");  
  2. URLConnection urlConnection = url.openConnection();  
  3. inputStream=urlConnection.getInputStream();  
  4. String charsetName = getFileEncode(url);  
  5. System.out.println(charsetName);  
  6. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  

3：探测任意输入的文本流的编码，方法是调用其重载形式： 

  1. charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数);   

上面的字节数由程序员指定，字节数越多，判定越准确，当然时间也花得越长。要注意，字节数的指定不能超过文本流的最大长度。

4：判定文件编码的具体应用举例：
 
    属性文件(.properties)是Java程序中的常用文本存储方式，象STRUTS框架就是利用属性文件存储程序中的字符串资源。它的内容如下所示：
    #注释语句
    属性名=属性值
    读入属性文件的一般方法是：
  1. FileInputStream ios=new FileInputStream(“属性文件名”);  
  2. Properties prop=new Properties();  
  3. prop.load(ios);  
  4. String value=prop.getProperty(“属性名”);  
  5. ios.close();  
    利用java.io.Properties的load方法读入属性文件虽然方便，但如果属性文件中有中文，在读入之后就会发现出现乱码现象。发生这个原因是load方法使用字节流读入文本，在读入后需要将字节流编码成为字符串，而它使用的编码是“iso-8859-1”,这个字符集是ASCII码字符集，不支持中文编码，
    方法一：使用显式的转码：
  1. String value=prop.getProperty(“属性名”);  
  2. String encValue=new String(value.getBytes(“iso-8859-1″),”属性文件的实际编码”);  
    方法二：象这种属性文件是项目内部的，我们可以控制属性文件的编码格式，比如约定采用Windows内定的GBK，就直接利用”gbk”来转码，     如果约定采用UTF-8，就使用”UTF-8″直接转码。
    方法三：如果想灵活一些，做到自动探测编码，就可利用上面介绍的方法测定属性文件的编码，从而方便开发人员的工作
    
补充：可以用下面代码获得Java支持编码集合：
    Charset.availableCharsets().keySet();
    可以用下面的代码获得系统默认编码：
    Charset.defaultCharset();
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/jukan/p/5223345.html