JAVA判断文件编码类型

【本文转载于JAVA判断文件编码类型】

java读取文件，处理过程中，可能因为文件的编码问题导致了中文乱码。有时需要将UTF-8的改为ANSI的编码。以下代码就可以判断文件是什么编码方式。

主要jar包：cpdetector.jar

下载地址http://cpdetector.sourceforge.net/

同时还需jchardet-1.0.jar这个包，否则detector.add(cpdetector.io.JChardetFacade.getInstance()); 会报错；

下载地址http://www.jarfinder.com/index.php/jars/versionInfo/40297

还有一个antlr.jar，不然运行过程中detector.add(new ParsingDetector(false));会报错；

下载地址http://www.java2s.com/Code/Jar/ABC/Downloadantlrjar.htm

Java代码


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;

/**

*

*/

/**

* @author weict

*

*/

public class JudgeFileCode {

/**

* @param args

*/

public static void main(String[] args) {

/*------------------------------------------------------------------------

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。

--------------------------------------------------------------------------*/

CodepageDetectorProxy detector = 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 ParsingDetector(false));//如果不希望判断xml的encoding，而是要判断该xml文件的编码，则可以注释掉

/*--------------------------------------------------------------------------

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(JChardetFacade.getInstance());

// ASCIIDetector用于ASCII编码测定

detector.add(ASCIIDetector.getInstance());

// UnicodeDetector用于Unicode家族编码的测定

detector.add(UnicodeDetector.getInstance());

Charset charset = null;

File f = new File("文件路径");

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


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：

1. #注释语句

2. 属性名=属性值

读入属性文件的一般方法是：

Java代码


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


String value=prop.getProperty("属性名");

String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");

在上面的代码中，属性文件的实际编码就可以利用上面的方法获得。当然，象这种属性文件是项目内部的，我们可以控制属性文件的编码格式，比如约定采用Windows内定的GBK，就直接利用"gbk"来转码，如果约定采用UTF-8，也可以是使用"UTF-8"直接转码。如果想灵活一些，做到自动探测编码，就可利用上面介绍的方法测定属性文件的编码，从而方便开发人员的工作。