利用第三方的Jar包内的类和方法来判别文件编码

今天在论坛里看见了一个人发帖子问，如何查看文件的编码。有一个人回帖推荐了一片文章，我看了一下，觉得挺好的，我把原文的意思取舍了一下，整理成了下面的文章。原文请查看：http://www.javaeye.com/topic/108540，作者是hdwangyi 。

他在帖子中贴出了一段代码来判断一个文本是UTF-8编码的，思路是读取一个txt文件，截取字符流的前3个字符（即标示位），判断是否与UTF-8的格式的标示位一致。

 

Java代码  

1. import java.io.*;   
2.   
3.  public class TestText {   
4.     public static void main(String args[]){    
5.         File file = new File("C:/1.txt");   
6.            
7.         try{   
8.             InputStream stream = new FileInputStream(file);   
9.             byte[] byteArray = new byte[3];   
10.                
11.             stream.read(byteArray);   
12.             stream.close();   
13.                
14.             if (byteArray[0] == -17 && byteArray[1] ==  -69 && byteArray[2] == -65)   
15.                 System.out.println("UTF-8");   
16.             else  
17.                 System.out.println("可能是其他的编码");   
18.                
19.         }   
20.         catch(Exception e){   
21.             e.printStackTrace();   
22.         }   
23.     }   
24. }  

import java.io.*;

public class TestText {
    public static void main(String args[]){
        File file = new File("C:/1.txt");
        
        try{
            InputStream stream = new FileInputStream(file);
            byte[] byteArray = new byte[3];
            
            stream.read(byteArray);
            stream.close();
            
            if (byteArray[0] == -17 && byteArray[1] ==  -69 && byteArray[2] == -65)
                System.out.println("UTF-8");
            else
                System.out.println("可能是其他的编码");
            
        }
        catch(Exception e){
            e.printStackTrace();
        }
    }
}

 但显然这种方式有很大的局限性，而且需要对文件编码有着一定的了解。于是作者用到了第三方的jar包cpdetector，下载地址：http://cpdetector.sourceforge.net/。如何在Eclipse中导入jar包，请看http://blog.csdn.net/justinavril/archive/2008/08/07/2783182.aspx。这个jar包内的类和方法能够准确判断文件的编码格式。

Java代码  

1. import cpdetector.io.*;   
2.  import java.io.*;   
3. import java.nio.charset.*;   
4.   
5. public class PageCode {   
6.     public static void main(String args[]){   
7.            
8.         CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();   
9.         detector.add(JChardetFacade.getInstance());   
10.            
11.         Charset charset = null;   
12.            
13.         File f = new File("C:/1.txt");     
14.            
15.         try {      
16.             charset = detector.detectCodepage(f.toURL());      
17.         }    
18.         catch (Exception e) {   
19.             e.printStackTrace();   
20.         }      
21.         if(charset!=null){      
22.             System.out.println(f.getName()+"编码是："+charset.name());      
23.         }else     
24.             System.out.println(f.getName()+"未知");     
25.     }   
26. }  

import cpdetector.io.*;
import java.io.*;
import java.nio.charset.*;

public class PageCode {
    public static void main(String args[]){
        
        CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
        detector.add(JChardetFacade.getInstance());
        
        Charset charset = null;
        
        File f = new File("C:/1.txt");  
        
        try {   
            charset = detector.detectCodepage(f.toURL());   
        } 
        catch (Exception e) {
            e.printStackTrace();
        }   
        if(charset!=null){   
            System.out.println(f.getName()+"编码是："+charset.name());   
        }else  
            System.out.println(f.getName()+"未知");  
    }
}

输出：

Java代码  

1. 1.txt编码是：GB2312   

1.txt编码是：GB2312 

 可以把main函数的相关内容改成一个方法重用，从而达到自由判断文件编码的目的。