java 获取文件编码

获取文件的编码是一个重要的任务，尤其是在处理不同语言环境的文本文件时。不同的编码方式（如UTF-8、GBK、ISO-8859-1等）可能导致文本内容的错误解析。因此，准确地确定文件的编码方式对于正确处理文件内容至关重要。

Java中有几种方法可以用来确定文件的编码：

1、可以使用 JDK 自带的 InputStreamReader 类来获取文件编码。具体代码如下：

import java.io.*;

public class Main {

    public static void main(String[] args) {

        String filePath = "path/to/file.txt";

        try {

            FileInputStream fis = new FileInputStream(filePath);

            InputStreamReader isr = new InputStreamReader(fis);

            String encoding = isr.getEncoding();

            System.out.println("File encoding: " + encoding);

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

}

2、可以通过读取文件的前几个字节来判断编码。常见的编码标识符有 UTF-8 的字节序列（EF BB BF）、UTF-16 的字节序列（FF FE 或 FE FF）、UTF-32 的字节序列（00 00 FE FF 或 FF FE 00 00）等。具体代码如下：

import java.io.*;

public class Main {

    public static void main(String[] args) {

        String filePath = "path/to/file.txt";

        String encoding = GetEncoding(new File(filePath));

        System.out.println(encoding);

    }

public static String GetEncoding(File file) {

        String charset = "GBK";

        byte[] first3Bytes = new byte[3];

        try {

            boolean checked = false;

            InputStream is = new FileInputStream(file);

            int read = is.read(first3Bytes, 0, 3);

            if (read == -1)

                return charset;

            if (first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE) {

                charset = "UTF-16LE";

                checked = true;

            } else if (first3Bytes[0] == (byte) 0xFE

                    && first3Bytes[1] == (byte) 0xFF) {

                charset = "UTF-16BE";

                checked = true;

            } else if (first3Bytes[0] == (byte) 0xEF

                    && first3Bytes[1] == (byte) 0xBB

                    && first3Bytes[2] == (byte) 0xBF) {

                charset = "UTF-8";

                checked = true;

            }else if (first3Bytes[0] == (byte) 0xA

                    && first3Bytes[1] == (byte) 0x5B

                    && first3Bytes[2] == (byte) 0x30) {

                charset = "UTF-8";

                checked = true;

            }else if (first3Bytes[0] == (byte) 0xD

                    && first3Bytes[1] == (byte) 0xA

                    && first3Bytes[2] == (byte) 0x5B) {

                charset = "GBK";

                checked = true;

            }else if (first3Bytes[0] == (byte) 0x5B

                    && first3Bytes[1] == (byte) 0x54

                    && first3Bytes[2] == (byte) 0x49) {

                charset = "windows-1251";

                checked = true;

            }

InputStream istmp = new FileInputStream(file);

            if (!checked) {

                int loc = 0;

                while ((read = istmp.read()) != -1) {

                    loc++;

                    if (read >= 0xF0)

                        break;

                    if (0x80 <= read && read <= 0xBF)

                        break;

                    if (0xC0 <= read && read <= 0xDF) {

                        read = istmp.read();

                        if (0x80 <= read && read <= 0xBF)

                            continue;

                        else

                            break;

                    } else if (0xE0 <= read && read <= 0xEF) {

                        read = istmp.read();

                        if (0x80 <= read && read <= 0xBF) {

                            read = istmp.read();

                            if (0x80 <= read && read <= 0xBF) {

                                charset = "UTF-8";

                                break;

                            } else

                                break;

                        } else

                            break;

                    }

                }

            }

            is.close();

            istmp.close();

        } catch (Exception e) {

            e.printStackTrace();

        }

        return charset;

    }

}

注意：以上代码仅针对常见的文件编码进行了判断，对于一些特殊的编码，可能需要使用更复杂的方法来判断。