获取上传文件的字符编码

重点又回到了国人都很烦恼的字符编码问题，真羡慕老外们。不过作为国际化的程序，字符编码问题也是一个必不可少的环节。

在通常情况，我们处理上传的文件都是十分简单流畅的，因为普通情况下的大家的平台都是仿佛，文件的字符编码都是GBK或者说是GB18030。

但还是有例外的，就是当程序遇到UTF8等其他编码格式的文件，就会可能出现乱码的情况。

众所周知，使用InputStreamReader等读取流的时候都需要加上一个文件的默认编码，确保解析文件时候不会出现乱码，但加默认编码的时候如果跟文件本身编码不同，就会造成乱码的原因了。而通常情况下，我们会加上GBK，或者GB2312或GB18030，但还是远远不够的。

今天工作时就遇到这么一个头疼的问题了，遇到需要解析的文件是一个UTF8的文件。而通常大家遇到的情况还是在解析用户上传文件的时候吧。

废话也少说了，我们需要的就是一个能根据上传文件，或者说IO流来查找字符编码的方法。

尝试和搜索了很多方法后终于找到了她---cpDetector。是一个开源项目，具体地址http://cpdetector.sourceforge.net/ 写这篇日志为止最新版本是1.0.7相关类库加起来500k不到，不过体型也算一般了。它里面包含mozilla基金会的一个Firefox用来自动探测编码的库。使用探测编码类库可以让我们探测各种类型文件的编码类型。觉得是在中文环境下，甚至可以说是国际化环境下必不可少的工具类。

具体使用方式参考如下：

	/**
	 * <p>
	 * Try to get file character ending.
	 * </p>
	 * <strong>Warning: </strong>use cpDetector to detect file's
	 * encoding.
	 * 
	 * @author KennyLee
	 * @return String, CharacterEnding Name.
	 */
	public static String getFileCharacterEnding(InputStream ios) {

		String fileCharacterEnding = "GBK";

		CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
		detector.add(new ParsingDetector(false));
		detector.add(JChardetFacade.getInstance());
		detector.add(ASCIIDetector.getInstance());
		detector.add(UnicodeDetector.getInstance());
		java.nio.charset.Charset charset = null;

		try {
			charset = detector.detectCodepage(ios, ios.available());
		} catch (IllegalArgumentException e) {
			log.error(e.getMessage());
		} catch (IOException e) {
			log.error(e.getMessage());
		} finally {
			if (ios != null) {
				try {
					ios.close();
				} catch (IOException e) {
					e.printStackTrace();
				}
			}
		}

		if (charset != null)
			fileCharacterEnding = charset.name();

		return fileCharacterEnding;
	}

注意：记得导入附件中的antlr.jar、chardet.jar和cpdetector_1.0.7.jar

其中说明的是： detector.detectCodepage(ios, ios.available())

这个方法可选，如果可以得到URL的话最好是使用detectCodepage(URL url)。