chardet java,java自动识别用户上传的文本文件编码详解

经常碰到用户上传的部分数据文本文件乱码问题,又不能限制用户的上传的文件编码格式(这样对客户的要求可能比较高), 只好自己想办法.  找了一部分java获取文件编码的.

要么就是识别错误. 要么就是只有一小段的代码,也不说具体引用了什么...我就在这里分享一下吧. 工具类就一个方法. main测试方法我就不写了.

貌似还不能上传附件...就弄到我的资源里去吧.

引用了.这两个jar类.

chardet.jar

cpdetector_1.0.10.jar

package com.dxx.buscredit.common.util;

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;

import java.io.File;

import java.nio.charset.Charset;

public class FileCharsetDetector {

/**

* 利用第三方开源包cpdetector获取文件编码格式.

* @param filePath

* @return

*/

public static String getFileEncode(File file) {

/**

*

* 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.

*

*/

CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();

detector.add(new ParsingDetector(false));

detector.add(UnicodeDetector.getInstance());

detector.add(JChardetFacade.getInstance());//内部引用了 chardet.jar的类

detector.add(ASCIIDetector.getInstance());

Charset charset = null;

try {

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

} catch (Exception e) {

e.printStackTrace();

}

//默认为GBK

String charsetName = "GBK";

if (charset != null) {

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

charsetName = "ISO_8859_1";

} else{

charsetName = charset.name();

}

}

return charsetName;

}

} 来自：http://blog.csdn.net/ysola4/article/details/42442357