java判断文件编码格式

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：

[java] view plain copy

1. Filefile=newFile(path);
2. InputStreamin=newjava.io.FileInputStream(file);
3. byte[]b=newbyte[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):

[java] view plain copy

1. /**
2. *利用第三方开源包cpdetector获取文件编码格式
3. *
4. *@parampath
5. *要判断文件编码格式的源文件的路径
6. *@authorhuanglei
7. *@version2012-7-1214:05
8. */
9. publicstaticStringgetFileEncode(Stringpath){
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. CodepageDetectorProxydetector=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(newParsingDetector(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.Charsetcharset=null;
35. Filef=newFile(path);
36. try{
37. charset=detector.detectCodepage(f.toURI().toURL());
38. }catch(Exceptionex){
39. ex.printStackTrace();
40. }
41. if(charset!=null)
42. returncharset.name();
43. else
44. returnnull;
45. }

[java] view plain copy

1. StringcharsetName=getFileEncode(configFilePath);
2. System.out.println(charsetName);
3. inputStream=newFileInputStream(configFile);
4. BufferedReaderin=newBufferedReader(newInputStreamReader(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)：

[java] view plain copy

1. /**
2. *利用第三方开源包cpdetector获取URL对应的文件编码
3. *
4. *@parampath
5. *要判断文件编码格式的源文件的URL
6. *@authorhuanglei
7. *@version2012-7-1214:05
8. */
9. publicstaticStringgetFileEncode(URLurl){
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. CodepageDetectorProxydetector=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(newParsingDetector(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.Charsetcharset=null;
35. try{
36. charset=detector.detectCodepage(url);
37. }catch(Exceptionex){
38. ex.printStackTrace();
39. }
40. if(charset!=null)
41. returncharset.name();
42. else
43. returnnull;
44. }

[java] view plain copy

1. URLurl=CreateStationTreeModel.class.getResource("/resource/"+"配置文件");
2. URLConnectionurlConnection=url.openConnection();
3. inputStream=urlConnection.getInputStream();
4. StringcharsetName=getFileEncode(url);
5. System.out.println(charsetName);
6. BufferedReaderin=newBufferedReader(newInputStreamReader(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：

[java] view plain copy

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：

<wbr><wbr>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：</wbr></wbr>

<wbr><wbr><span style="color:rgb(51,255,51)">#注释语句</span></wbr></wbr>

<wbr><wbr>属性名=属性值</wbr></wbr>

<wbr><wbr>读入属性文件的一般方法是：</wbr></wbr>

[java] view plain copy

1. FileInputStreamios=newFileInputStream(“属性文件名”);
2. Propertiesprop=newProperties();
3. prop.load(ios);
4. Stringvalue=prop.getProperty(“属性名”);
5. ios.close();

<wbr><wbr>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，</wbr></wbr>

方法一：使用显式的转码：

[java] view plain copy

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

<wbr><wbr><span style="color:rgb(255,0,0)">方法二</span>：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。</wbr></wbr>

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

<wbr><wbr></wbr></wbr>

补充：可以用下面代码获得Java支持编码集合：

<wbr><wbr>Charset.availableCharsets().keySet();</wbr></wbr>

<wbr><wbr>可以用下面的代码获得系统默认编码：</wbr></wbr>

<wbr><wbr>Charset.defaultCharset();</wbr></wbr>