java bom 文件读取_java读取文件的编码问题：有无BOM的UTF-8和GBK

用户上传的文件确实可能出现各种编码的情况，完美的解决方法不敢保证，但可以基于统计学原理的，最大限度的提供文件编码的侦测。

我使用过这个 cpdetector 基本可以解决我的需要。

附上代码示例：

/**

* 获取URL的编码

*

* @param url

* @return

*/

public static String getUrlEncode(URL url) {

/*

* 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));

detector.add(new ByteOrderMarkDetector());

/*

* 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。

*

* 用到antlr.jar、chardet.jar

*/

detector.add(JChardetFacade.getInstance());

// 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;

try {

charset = detector.detectCodepage(url);

} catch (Exception ex) {

ex.printStackTrace();

}

if (charset != null) {

return charset.name();

}

return null;

}

public static void main(String[] args) {

try {

URL url = new URL("http://www.baidu.com");

String encode = getUrlEncode(url);

System.out.println(encode);// UTF-8

} catch (MalformedURLException e) {

e.printStackTrace();

}

}

就不给你写文件的方法了，File有获取URL的方法的。

我使用的时候导入了这几个jar。

cpdetector_1.0.10.jar,antlr-2.7.4.jar,chardet-1.0.jar

找不到的话，可以留下邮箱，可以发你。