Java 判断文件的编码

 首先，不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

  ANSI：　　　　　　　　无格式定义；

  Unicode： 　　　　　　前两个字节为FFFE；

  Unicode big endian：　前两字节为FEFF；　 

  UTF-8：　 　　　　　　前两字节为EFBB；　

  知道了各种编码格式的区别，写代码就容易了.

public static String get_charset( File file ) {   

        String charset = "GBK";   

        byte[] first3Bytes = new byte[3];   

        try {   

            boolean;   

            BufferedInputStream bis = new BufferedInputStream( new FileInputStream( file ) );   

            bis.mark( 0 );   

            int read = bis.read( first3Bytes, 0, 3 );   

            if ( read == -1 ) return charset;   

            if ( first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE ) {   

                charset = "UTF-16LE";   

                checked = true;   

            }   

            else if ( first3Bytes[0] == (byte) 0xFE && first3Bytes[1] == (byte) 0xFF ) {   

                charset = "UTF-16BE";   

                checked = true;   

            }   

            else if ( first3Bytes[0] == (byte) 0xEF && first3Bytes[1] == (byte) 0xBB && first3Bytes[2] == (byte) 0xBF ) {   

                charset = "UTF-8";   

                checked = true;   

            }   

            bis.reset();   

            if ( !checked ) {   

            //    int len = 0;   

                int loc = 0;   

  

                while ( (read = bis.read()) != -1 ) {   

                    loc++;   

                    if ( read >= 0xF0 ) break;   

                    if ( 0x80 <= read && read <= 0xBF ) // 单独出现BF以下的，也算是GBK   

                    break;   

                    if ( 0xC0 <= read && read <= 0xDF ) {   

                        read = bis.read();   

                        if ( 0x80 <= read && read <= 0xBF ) // 双字节 (0xC0 - 0xDF) (0x80   

                                                                        // - 0xBF),也可能在GB编码内   

                        continue;   

                        else break;   

                    }   

                    else if ( 0xE0 <= read && read <= 0xEF ) {// 也有可能出错，但是几率较小   

                        read = bis.read();   

                        if ( 0x80 <= read && read <= 0xBF ) {   

                            read = bis.read();   

                            if ( 0x80 <= read && read <= 0xBF ) {   

                                charset = "UTF-8";   

                                break;   

                            }   

                            else break;   

                        }   

                        else break;   

                    }   

                }   

                //System.out.println( loc + " " + Integer.toHexString( read ) );   

            }   

  

            bis.close();   

        } catch ( Exception e ) {   

            e.printStackTrace();   

        }   

  

        return charset;   

    }