对于UTF-8编码格式的文本文件,其前3个字节的值就是-17、-69、-65,所以,判定是否是UTF-8编码格式的代码片段如下:
1. java.io.File f=new java.io.File("待判定的文本文件名");
2. try{
3. java.io.InputStream ios=new java.io.FileInputStream(f);
4. byte[] b=new byte[3];
5. ios.read(b);
6. ios.close();
7. if(b[0]==-17&&b[1]==-69&&b[2]==-65)
8. System.out.println(f.getName()+"编码为UTF-8");
9. else System.out.println(f.getName()+"可能是GBK");
10. }catch(Exception e){
11. e.printStackTrace();
12. }
可以采用一个现成的开源项目:cpdetector利用该类库判定文本文件的代码如下:
1. /*------------------------------------------------------------------------
2. 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。
3. 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
4. 加进来,如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。
5. 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
6. 字符集编码。
7. --------------------------------------------------------------------------*/
8. cpdetector.io.CodepageDetectorProxy detector =
9. cpdetector.io.CodepageDetectorProxy.getInstance();
10. /*-------------------------------------------------------------------------
11. 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
12. 指示是否显示探测过程的详细信息,为false不显示。
13. ---------------------------------------------------------------------------*/
14. detector.add(new cpdetector.io.ParsingDetector(false));
15. /*--------------------------------------------------------------------------
16. 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
17. 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
18. 再多加几个探测器,比如下面的ASCIIDetector、UnicodeDetector等。
19. ---------------------------------------------------------------------------*/
20. detector.add(cpdetector.io.JChardetFacade.getInstance());
21. //ASCIIDetector用于ASCII编码测定
22. detector.add(cpdetector.io.ASCIIDetector.getInstance());
23. //UnicodeDetector用于Unicode家族编码的测定
24. detector.add(cpdetector.io.UnicodeDetector.getInstance());
25. java.nio.charset.Charset charset = null;
26. File f=new File("待测的文本文件名");
27. try {
28. charset = detector.detectCodepage(f.toURL());
29. } catch (Exception ex) {ex.printStackTrace();}
30. if(charset!=null){
31. System.out.println(f.getName()+"编码是:"+charset.name());
32. }else
33. 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 复制代码
1. 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 复制代码
1. #注释语句
2. 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 复制代码
1. FileInputStream ios=new FileInputStream("属性文件名");
2. Properties prop=new Properties();
3. prop.load(ios);
4. 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 复制代码
1. String value=prop.getProperty("属性名");
2. String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");