Java如何获得文件编码格式的方法

　　在程序中，文本文件经常用来存储标准的ASCII码文本，比如英文、加减乘除等号这些运算符号。文本文件也可能用于存储一些其他非ASCII字符，如基于GBK的简体中文，基于BIG5的繁体中文等等。在存储这些字符时需要正确指定文件的编码格式;而在读取这些文本文件时，有时候就需要自动判定文件的编码格式。

　　按照给定的字符集存储文本文件时，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：

　　测试文件编码是否为UTF-8

　　File file = new File(path);

　　InputStream ios = new java.io.FileInputStream(file);

　　byte[] b = new byte[3];

　　ios.read(b);

　　ios.close();

　　if (b[0] == -17 && b[1] == -69 && b[2] == -65)

　　System.out.println(file.getName() + “：编码为UTF-8″);

　　else

　　System.out.println(file.getName() + “：可能是GBK，也可能是其他编码。”);

　　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://www.oschina.net/p/cpdetector。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：

　　FileEncodeDetector

　　package cn.edu.cqu.tiger;

　　import info.monitorenter.cpdetector.io.ASCIIDetector;

　　import info.monitorenter.cpdetector.io.CodepageDetectorProxy;

　　import info.monitorenter.cpdetector.io.JChardetFacade;

　　import info.monitorenter.cpdetector.io.ParsingDetector;

　　import info.monitorenter.cpdetector.io.UnicodeDetector;

　　import java.io.BufferedReader;

　　import java.io.File;

　　import java.io.FileInputStream;

　　import java.io.FileNotFoundException;

　　import java.io.IOException;

　　import java.io.InputStream;

　　import java.io.InputStreamReader;

　　public class FileEncodeDetector {

　　public static String getFileEncode(String path) {

　　/*------------------------------------------------------------------------

　　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。

　　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、 JChardetFacade、ASCIIDetector、UnicodeDetector。

　　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

　　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

　　cpDetector是基于统计学原理的，不保证完全正确。

　　--------------------------------------------------------------------------*/

　　CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();

　　/*-------------------------------------------------------------------------

　　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

　　指示是否显示探测过程的详细信息，为false不显示。

　　---------------------------------------------------------------------------*/

　　detector.add(new ParsingDetector(false));

评论总数：0 条 [ 查看全部 ] 网友评论