chardet java_java实现文件编码监测

java实现文件编码监测

最近在做一个文档的翻译项目，可文档的编码不知道，听头疼的。尝试了很多方法最后发现JCharDet这个工具可以轻松解决这个问题。于是作此笔记希望日后提醒自己以及帮助又需要的人。

package com.uujava.mbfy.test;

import java.io.BufferedInputStream;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.IOException;

import org.mozilla.intl.chardet.nsDetector;

import org.mozilla.intl.chardet.nsICharsetDetectionObserver;

/**********************************************

* Maven

*

*

*net.sourceforge.jchardet

*jchardet

*1.0

*

* *********************************************/

/**

* 借助JCharDet获取文件字符集 JCharDet

* 是mozilla自动字符集探测算法代码的java移植，其官方主页为：

* http://jchardet.sourceforge.net/

*/

public class FileCharsetDetector {

private boolean found = false;

/**

* 如果完全匹配某个字符集检测算法, 则该属性保存该字符集的名称.

* 否则(如二进制文件)其值就为默认值 null, 这时应当查询属性

*/

private String encoding = null;

public static void main(String[] argv) throws Exception {

System.out

.println("文件编码:"

+ new FileCharsetDetector()

.guestFileEncoding("/home/k/Documents/test/azmind_7_xh/azmind_7_xh/路由管理.txt"));

}

/**

* 传入一个文件(File)对象，检查文件编码

*

* @param file

* File对象实例

* @return 文件编码，若无，则返回null

* @throws FileNotFoundException

* @throws IOException

*/

public String guestFileEncoding(File file) throws FileNotFoundException,

IOException {

return geestFileEncoding(file, new nsDetector());

}

/**

* 获取文件的编码

*

* @param file

* File对象实例

* @param languageHint

* 语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;

* 4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)

* @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null

* @throws FileNotFoundException

* @throws IOException

*/

public String guestFileEncoding(File file, int languageHint)

throws FileNotFoundException, IOException {

return geestFileEncoding(file, new nsDetector(languageHint));

}

/**

* 获取文件的编码

*

* @param path

* 文件路径

* @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null

* @throws FileNotFoundException

* @throws IOException

*/

public String guestFileEncoding(String path) throws FileNotFoundException,

IOException {

return guestFileEncoding(new File(path));

}

/**

* 获取文件的编码

*

* @param path

* 文件路径

* @param languageHint

* 语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;

* 4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)

* @return

* @throws FileNotFoundException

* @throws IOException

*/

public String guestFileEncoding(String path, int languageHint)

throws FileNotFoundException, IOException {

return guestFileEncoding(new File(path), languageHint);

}

/**

* 获取文件的编码

*

* @param file

* @param det

* @return

* @throws FileNotFoundException

* @throws IOException

*/

private String geestFileEncoding(File file, nsDetector det)

throws FileNotFoundException, IOException {

// Set an observer...

// The Notify() will be called when a matching charset is found.

det.Init(new nsICharsetDetectionObserver() {

public void Notify(String charset) {

found = true;

encoding = charset;

}

});

BufferedInputStream imp = new BufferedInputStream(new FileInputStream(file));

byte[] buf = new byte[1024];

int len;

boolean done = false;

boolean isAscii = true;

while ((len = imp.read(buf, 0, buf.length)) != -1) {

// Check if the stream is only ascii.

if (isAscii)

isAscii = det.isAscii(buf, len);

// DoIt if non-ascii and not done yet.

if (!isAscii && !done)

done = det.DoIt(buf, len, false);

}

det.DataEnd();

if (isAscii) {

encoding = "ASCII";

found = true;

}

if (!found) {

String prob[] = det.getProbableCharsets();

if (prob.length > 0) {

// 在没有发现情况下，则取第一个可能的编码

encoding = prob[0];

} else {

return null;

}

}

return encoding;

}

}