java 文件的字符编码_Java获取文本文件字符编码的两种方法

Java判断文本文件字符编码的两种方法：1、通过文件流的前面部分字节判断；2、通过cpdetector库提供的监听方法来判断。

1、取文件流方式

public static String codeString(String fileName) throws Exception {

BufferedInputStream bin = new BufferedInputStream(new FileInputStream(fileName));

int p = (bin.read() << 8) + bin.read();

bin.close();

String code = null;

switch (p) {

case 0xefbb:

code = "UTF-8";

break;

case 0xfffe:

code = "Unicode";

break;

case 0xfeff:

code = "UTF-16BE";

break;

default:

code = "GBK";

}

return code;

}

该方法一般情况是可以正常运行的，但对有些文件却不生效，不能获取正确的编码，故而可采取如下方法。

2、使用cpdetector库

使用Cpdetector jar包检测文件编码需要依赖antlr-2.7.4.jar、chardet-1.0.jar、jargs-1.0.jar三个jar包，可以到官网http://cpdetector.sourceforge.net下载 。

详细的使用可以参考官网，简单的代码示例如下：

/**

*

* 利用第三方开源包cpdetector获取文件编码格式.

* --1、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.

* --2、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.

* --3、cpDetector是基于统计学原理的,不保证完全正确.

*

* @param filePath

* @return 返回文件编码类型：GBK、UTF-8、UTF-16BE、ISO_8859_1

* @throws Exception

*/

public static String getFileCharset(String filePath) throws Exception {

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());

detector.add(ASCIIDetector.getInstance());

detector.add(UnicodeDetector.getInstance());

Charset charset = null;

File file = new File(filePath);

try {

//charset = detector.detectCodepage(file.toURI().toURL());

InputStream is = new BufferedInputStream(new FileInputStream(filePath));

charset = detector.detectCodepage(is, 8);

} catch (Exception e) {

e.printStackTrace();

throw e;

}

String charsetName = "GBK";

if (charset != null) {

if (charset.name().equals("US-ASCII")) {

charsetName = "ISO_8859_1";

} else if (charset.name().startsWith("UTF")) {

charsetName = charset.name();// 例如:UTF-8,UTF-16BE.

}

}

return charsetName;

}