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.iteye.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。

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。

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：

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。