JAVA判断文件编码类型

java读取文件，处理过程中，可能因为文件的编码问题导致了中文乱码。有时需要将UTF-8的改为ANSI的编码。以下代码就可以判断文件是什么编码方式。
主要jar包：cpdetector.jar
下载地址http://cpdetector.sourceforge.net/

同时还需jchardet-1.0.jar这个包，否则detector.add(cpdetector.io.JChardetFacade.getInstance()); 会报错；
下载地址http://www.jarfinder.com/index.php/jars/versionInfo/40297

还有一个antlr.jar，不然运行过程中detector.add(new ParsingDetector(false));会报错；
下载地址http://www.java2s.com/Code/Jar/ABC/Downloadantlrjar.htm

Java代码

1. importinfo.monitorenter.cpdetector.io.ASCIIDetector;
2. importinfo.monitorenter.cpdetector.io.CodepageDetectorProxy;
3. importinfo.monitorenter.cpdetector.io.JChardetFacade;
4. importinfo.monitorenter.cpdetector.io.ParsingDetector;
5. importinfo.monitorenter.cpdetector.io.UnicodeDetector;
7. importjava.io.File;
8. importjava.nio.charset.Charset;
10. /**
11. *
12. */
14. /**
15. *@authorweict
16. *
17. */
18. publicclassJudgeFileCode{
20. /**
21. *@paramargs
22. */
23. publicstaticvoidmain(String[]args){
24. /*------------------------------------------------------------------------
27. 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。
29. 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
31. 加进来，如ParsingDetector、JChardetFacade、ASCIIDetector、UnicodeDetector。
33. 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
35. 字符集编码。
37. --------------------------------------------------------------------------*/
39. CodepageDetectorProxydetector=CodepageDetectorProxy.getInstance();
41. /*-------------------------------------------------------------------------
43. 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
45. 指示是否显示探测过程的详细信息，为false不显示。
47. ---------------------------------------------------------------------------*/
49. detector.add(newParsingDetector(false));//如果不希望判断xml的encoding，而是要判断该xml文件的编码，则可以注释掉
51. /*--------------------------------------------------------------------------
53. 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
55. 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
57. 再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。
59. ---------------------------------------------------------------------------*/
61. detector.add(JChardetFacade.getInstance());
63. //ASCIIDetector用于ASCII编码测定
65. detector.add(ASCIIDetector.getInstance());
67. //UnicodeDetector用于Unicode家族编码的测定
69. detector.add(UnicodeDetector.getInstance());
71. Charsetcharset=null;
73. Filef=newFile("文件路径");
75. try{
77. charset=detector.detectCodepage(f.toURL());
79. }catch(Exceptionex){
80. ex.printStackTrace();
81. }
83. if(charset!=null){
85. System.out.println(f.getName()+"编码是："+charset.name());
87. }else{
89. System.out.println(f.getName()+"未知");
90. }
92. }
94. }

上面代码中的detector不仅可以用于探测文件的编码，也可以探测任意输入的文本流的编码，方法是调用其重载形式：

Java代码

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。

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：



1. #注释语句

2. 属性名=属性值


读入属性文件的一般方法是：

Java代码

1. FileInputStreamios=newFileInputStream("属性文件名");
3. Propertiesprop=newProperties();
5. prop.load(ios);
7. 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，所以这时需要使用显式的转码:

Java代码

1. Stringvalue=prop.getProperty("属性名");
3. StringencValue=newString(value.getBytes("iso-8859-1"),"属性文件的实际编码");

在上面的代码中，属性文件的实际编码就可以利用上面的方法获得。当然，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，也可以是使用"UTF-8"直接转码。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。

• cpdetector_1.0.8.jar(50.2 KB)
• 下载次数: 139

• jchardet-1.0.jar(26 KB)
• 下载次数: 126

• antlr.jar(508.4 KB)
• 下载次数: 140