Java判断文件的编码类型。

这篇博文笔记是之前遇到的问题并已经解决，现在想起来而补做的笔记。

之前帮同学看一个 java 程序的时候，遇到一个问题：读取本地文件的时候会乱码，仔细看了后发现 java 代码是基于 UTF-8 的，而本地文件是 GBK 的，因此读取的时候会乱码。然后上网搜索了下解决方法。做法是读取文件的开始3个字节然后判断。在这里记录一下。

protected static String getFilecharset(File sourceFile) {
    String charset = "GBK";
    byte[] first3Bytes = new byte[3];
    try {
        BufferedInputStream bis = new BufferedInputStream(new FileInputStream(sourceFile));
        bis.mark(0);
        int read = bis.read(first3Bytes, 0, 3);
        System.out.println("字节大小："+read);
        if (read == -1) {
            return charset; //文件编码为 ANSI
        } else if (first3Bytes[0] == (byte) 0xFF
                   && first3Bytes[1] == (byte) 0xFE) {
            charset = "UTF-16LE"; //文件编码为 Unicode
        } else if (first3Bytes[0] == (byte) 0xFE
                   && first3Bytes[1] == (byte) 0xFF) {
            charset = "UTF-16BE"; //文件编码为 Unicode big endian
        } else if (first3Bytes[0] == (byte) 0xEF
                   && first3Bytes[1] == (byte) 0xBB
                   && first3Bytes[2] == (byte) 0xBF) {
            charset = "UTF-8"; //文件编码为 UTF-8
        }
        bis.reset();
        bis.close();
    } catch (Exception e) {
        e.printStackTrace();
    }
    return charset;
}

从代码中可以看出，以 UTF-8 编码的文件开始的三个字节分别为 0xEF 0xBB 0xBF 。而以 Unicode 编码的文件开始的两个字节是 0xFF 0xFE 。。

现在对各种编码的关系不是很了解，一定找个时间好好学一下，并做笔记发博客。