Java 查找指定文件夹下的所有文件中包含有中文的文件，并抠出中文

整体的代码运用了IO流，递归的方式遍历文件夹下的文件。特别注意的是一个文件夹下包含了多种的不同格式的文件。需要对不同的文件格式进行文件编码格式的转换。
需要导入三个JAR包，下载地址见评论

• chardet.jar
• cpdetector_1.0.10.jar
• antlr-2.7.6.jar

public class FindFile {
    static int fileCount = 0;//文件总数  
    static int wrong = 0 ;//含有中文字符的文件数  
    static String regEx = "[\u4e00-\u9fa5]";  //匹配中文正则    
    static Pattern pat = Pattern.compile(regEx);    
    static FileOutputStream fos = null;  
    static OutputStreamWriter osw = null;  
}
    public static void main(String[] args){  
        Scanner sc = null;  
        //long a = System.currentTimeMillis();  

        try {  
            //每次重新执行的时候删除上次写入的文件  
            File file = new File("f:\\FileCH.txt");  
            file.delete();  


            System.out.println("输入文件路径: ");  
            //读取输入的路径  
            sc = new Scanner(System.in);  
            String filePath = sc.nextLine();  
            //打开输出流  
            fos = new FileOutputStream(new File("f:\\FileCH.txt"),true);  
            osw = new OutputStreamWriter(fos,"UTF-8");  

            //refreshFileList("f:\\wk");  
            //开始检查文件  
            refreshFileList(filePath);  
        } catch (IOException e) {  
            e.printStackTrace();  
        }finally{  
            try {  
                fos.close();  
                osw.close();  
                sc.close();  
            } catch (IOException e) {  
                e.printStackTrace();  
            }  
        }  
        //refreshFileList("E:\\workspace\\test\\ognl\\enhance");  

        //System.out.print("运行时间为 ");  
        //System.out.println(System.currentTimeMillis() - a);  
        //输出检查结果  
        System.out.println("处理了"+fileCount+" 个文件"+wrong+"包含的字符已存储到f:\\FileCH.txt文件");  
    } 
    //递归查找文件  
    private static void refreshFileList(String strPath) throws IOException {  
        File dir = new File(strPath);  
        File[] files = dir.listFiles();  

        if (files == null)  
            return;  
        for (int i = 0; i < files.length; i++) {
            System.out.println("第"+i+"个文件");
            int flag = 0 ;  
            if (files[i].isDirectory()) {  
                refreshFileList(files[i].getAbsolutePath());  
            } else {  
                fileCount++;  
                String strFileName = files[i].getAbsolutePath().toLowerCase();  
                //System.out.println(getFileEncode(files[i].getAbsolutePath())+" ----" +files[i].getName());  
                //截取文件格式  
                String  fileName = strFileName.substring(strFileName.lastIndexOf(".")+1,strFileName.length());  
                //排除不需要扫描的文件
                if(fileName.equals("rar") || fileName.equals("jpg") || fileName.equals("png") || fileName.equals("jar") || fileName.equals("doc") || fileName.equals("xls") || fileName.equals("gif") || fileName.equals("wmz")){
                    continue;
                }
                //不知为何  两种方法判断的时候都会吧class文件和jar文件当做是含有中文字符的文件  
                //所以此处排除掉这class文件和jar文件不参与判断  
                if(!"class".equals(fileName.toLowerCase())){  
                    //开始输入文件流，检查文件  
                    String enCode = getFileEncode(files[i].getAbsolutePath());  
                    if("void".equals(enCode)){  
                        enCode="UTF-8";  
                    }if("windows-1252".equals(enCode)){  
                        enCode="GBK";  
                    }  
                    FileInputStream fis = new FileInputStream(files[i].getAbsolutePath());  
                    InputStreamReader in = new InputStreamReader(fis,enCode);  
                    BufferedReader br = new BufferedReader(in);  
                    //用于记录行数  确定文件哪一行有中文  
                    int lineCount = 0 ;  
                    String line = null;  
                    //逐行检查文件  
                    while((line = br.readLine())!=null){  
                        /////使用正则表达式进行判断  
                        lineCount++ ;  
                        char[] charArray = line.toCharArray();    
                        for (int k = 0; k < charArray.length; k ++) {    
                            if ((charArray[k] >= 0x4e00) && (charArray[k] <= 0x9fbb)) {  
                                //每行进行扫描，用正则判断含有中文的行
                                Pattern p = Pattern.compile("([\u4e00-\u9fa5]+)");   
                                String mv = "";  
                                //正则判断
                                Matcher m = p.matcher( line ); 
                                //遍历含有中文的行。并取出中文
                                while (m.find()) {    
                                    mv += m.group(0);    
                                } 
                                //将含有中文的文件名称和中文所在行数写入文件夹  
                                osw.write(files[i].getAbsolutePath()+" ------- 第"+lineCount+"行<===>"+mv+"\r\n");  
                                osw.flush();  
                                flag ++ ;  
                                //wrong++;  
                                if(flag!=0) k =charArray.length ;  
                            }    

                        }   
                    }  
                    //flag!=0 说明该文件中含有中文  
                    if(flag!=0) wrong++ ;  
                    br.close();  
                    in.close();  
                    fis.close();  
                }  
            }  
        }  
    } 
    //检查文件类型  
    public static String getFileEncode(String path) {  
        /* 
         * 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。 
         * 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、 
         * JChardetFacade、ASCIIDetector、UnicodeDetector。 
         * 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 
         * 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 
         * cpDetector是基于统计学原理的，不保证完全正确。 
         */  
        CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
        /* 
         * 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 
         * 指示是否显示探测过程的详细信息，为false不显示。 
         */  
        detector.add(new ParsingDetector(false));  
        /* 
         * 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 
         * 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 
         * 再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。 
         */  
        detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
        // ASCIIDetector用于ASCII编码测定  
        detector.add(ASCIIDetector.getInstance());  
        // UnicodeDetector用于Unicode家族编码的测定  
        detector.add(UnicodeDetector.getInstance());  
        java.nio.charset.Charset charset = null;  
        File f = new File(path);  
        try {  
            charset = detector.detectCodepage(f.toURI().toURL());  
        } catch (Exception ex) {  
            ex.printStackTrace();  
        }  
        if (charset != null)  
            return charset.name();  
        else  
            return null;  
    }   

参考博客 http://blog.csdn.net/luojia_wang/article/details/9665953