解析文本的字符格式

apache tika

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parser-text-module</artifactId>
    <version>2.9.1</version>
</dependency>
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>2.9.1</version>
</dependency>
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-standard-package</artifactId>
    <version>2.9.1</version>
</dependency>

读取字符编码

import org.apache.tika.parser.txt.CharsetDetector;
import org.apache.tika.parser.txt.CharsetMatch;


  CharsetDetector detector = new CharsetDetector();
  detector.setText(FileUtils.readFileToByteArray(file));
  //返回匹配到的第一个字符集
  CharsetMatch charsetMatch = detector.detect();
  //返回所有字符集
  CharsetMatch[] matches = detector.detectAll();

可以根据实际情况遍历所有的匹配数据,找到你需要的字符集
CharsetMatch[] matches = detector.detectAll();

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值