android 动态设置读取文件的编码格式(charset)

android中使用InputStreamReader读取文件数据时，需要传入参数编码格式(charset)，而当目标文件的编码格式不固定时，就需要动态获取编码格式。

InputStreamReader inputReader = new InputStreamReader(inputStream, charset);//charset可以设置为"GBK',"UTF-8"

 

以下主要描述通过文件编码探测器获取charset。

1，简单的编码类型判断，只能识别GBK和UTF-8，通过读取文件头的3个字符

public String charsetDetect(String path) {
     String _charset="";
     try {
      File file = new File(path);
      InputStream fs = new FileInputStream(file);
      byte[] buffer = new byte[3];
      fs.read(buffer);
      fs.close();
  
      if (buffer[0] == -17 && buffer[1] == -69 && buffer[2] == -65)
         _charset="UTF-8";
      else
         _charset="GBK";
      }
      catch (IOException e) {e.printStackTrace(); }
      return _charset;
 }

 

2，更加安全的文件编码检测，可以使用一个开源项目cpdetector，可使用这个网址下载：http://sourceforge.jp/projects/sfnet_cpdetector/。

2.1 将下载的文件解压会找jar文件:cpdetector_1.0.10.jar，antlr-2.7.4.jar，chardet-1.0.jar，jargs-1.0.jar，将jar文件放到工程的libs文件夹中。

       在工程的树形目录中，找到工程文件节点位置点击右键，在弹出菜单中选择"Build Path"->"Add External Archives.."，把cpdetector_1.0.10.jar添加进工程中。

2.2 在需要检测编码类型的文件中添加如下代码进行测试。

//用于支持文件读写
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

//用于支持cpdetector;
import info.monitorenter.cpdetector.io.ASCIIDetector;
import info.monitorenter.cpdetector.io.CodepageDetectorProxy;
import info.monitorenter.cpdetector.io.JChardetFacade;
import info.monitorenter.cpdetector.io.ParsingDetector;
import info.monitorenter.cpdetector.io.UnicodeDetector;

 /**
  * 读取文件的编码格式,返回文件文件编码类型
  */
 public String charsetDetect(String path)
 {
  String _charset="UTF-8";//默认
  
  CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
  detector.add(new ParsingDetector(false));
  detector.add(JChardetFacade.getInstance());//用到antlr.jar、chardet.jar
  detector.add(ASCIIDetector.getInstance());
  detector.add(UnicodeDetector.getInstance());
  
  java.nio.charset.Charset set = null;
        File f = new File(path);
        try {
         set = detector.detectCodepage(f.toURI().toURL());
        } catch (Exception ex) {
            ex.printStackTrace();
        }

        if (set != null)
         _charset =  set.name();
        return _charset;
 }

 

2.3关于cpdetector的一些函数介绍

/*------------------------------------------------------------------------ 
  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。 
--------------------------------------------------------------------------*/ 
cpdetector.io.CodepageDetectorProxy detector =  
cpdetector.io.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 cpdetector.io.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(cpdetector.io.JChardetFacade.getInstance());  
//ASCIIDetector用于ASCII编码测定  
detector.add(cpdetector.io.ASCIIDetector.getInstance());  
//UnicodeDetector用于Unicode家族编码的测定  
detector.add(cpdetector.io.UnicodeDetector.getInstance());  
JAVA.nio.charset.Charset charset = null;  
File f=new File("待测的文本文件名");  
try {  
      charset = detector.detectCodepage(f.toURL());  
} catch (Exception ex) {ex.printStackTrace();}  
if(charset!=null){  
     System.out.println(f.getName()+"编码是："+charset.name());  
}else 
    System.out.println(f.getName()+"未知"); 

  /*------------------------------------------------------------------------
    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。
  --------------------------------------------------------------------------*/
  cpdetector.io.CodepageDetectorProxy detector =
  cpdetector.io.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 cpdetector.io.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(cpdetector.io.JChardetFacade.getInstance());
  //ASCIIDetector用于ASCII编码测定
  detector.add(cpdetector.io.ASCIIDetector.getInstance());
  //UnicodeDetector用于Unicode家族编码的测定
  detector.add(cpdetector.io.UnicodeDetector.getInstance());
  JAVA.nio.charset.Charset charset = null;
  File f=new File("待测的文本文件名");
  try {
        charset = detector.detectCodepage(f.toURL());
  } catch (Exception ex) {ex.printStackTrace();}
  if(charset!=null){
       System.out.println(f.getName()+"编码是："+charset.name());
  }else
      System.out.println(f.getName()+"未知");

上面代码中的detector不仅可以用于探测文件的编码，也可以探测任意输入的文本流的编码，方法是调用其重载形式：
Java代码
charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数); 

 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。

  判定文件编码的具体应用举例：
  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：
  Java代码
#注释语句  
属性名=属性值  

   #注释语句
   属性名=属性值
 
  读入属性文件的一般方法是：
  Java代码
FileInputStream ios=new FileInputStream("属性文件名");  
Properties prop=new Properties();  
prop.load(ios);  
ios.close();  

  FileInputStream ios=new FileInputStream("属性文件名");
  Properties prop=new Properties();
  prop.load(ios);
  ios.close();
 
  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，所以这时需要使用显式的转码:
Java代码
String value=prop.getProperty("属性名");  
String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");  

   String value=prop.getProperty("属性名");
   String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");
 
  在上面的代码中，属性文件的实际编码就可以利用上面的方法获得。当然，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，也可以是使用"UTF-8"直接转码。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。