国内最全IT社区平台 联系我们 | 收藏本站
华晨云阿里云优惠2
您当前位置:首页 > php开源 > php教程 > Java如何获取文件编码格式

Java如何获取文件编码格式

来源:程序员人生   发布时间:2017-03-24 08:58:03 阅读次数:8088次

学习Java的同学注意了!!! 
学习进程中遇到甚么问题或想获得学习资源的话,欢迎加入Java学习交换群,群号码:183993990  我们1起学Java!


1:简单判断是UTF⑻或不是UTF⑻,由于1般除UTF⑻以外就是GBK,所以就设置默许为GBK。

 依照给定的字符集存储文件时,在文件的最开头的3个字节中就有可能存储着编码信息,所以,基本的原理就是只要读出文件前3个字节,判定这些字节的值,就能够得知其编码的格式。其实,如果项目运行的平台就是中文操作系统,如果这些文本文件在项目内产生,即开发人员可以控制文本的编码格式,只要判定两种常见的编码就能够了:GBK和UTF⑻。由于中文Windows默许的编码是GBK,所以1般只要判定UTF⑻编码格式。
   对UTF⑻编码格式的文本文件,其前3个字节的值就是⑴7、⑹9、⑹5,所以,判定是不是是UTF⑻编码格式的代码片断以下:
  1. File file = new File(path);  
  2. InputStream in= new java.io.FileInputStream(file);  
  3. byte[] b = new byte[3];  
  4. in.read(b);  
  5. in.close();  
  6. if (b[0] == -17 && b[1] == -69 && b[2] == -65)  
  7.     System.out.println(file.getName() + ":编码为UTF⑻");  
  8. else  
  9.     System.out.println(file.getName() + ":多是GBK,也多是其他编码");  

2:若想实现更复杂的文件编码检测,可使用1个开源项目cpdetector,它所在的网址是:http://cpdetector.sourceforge.net/。它的类库很小,只有500K左右,cpDetector是基于统计学原理的,不保证完全正确,利用该类库判定文本文件的代码以下:

读外部文件(先利用cpdetector检测文件的编码格式,然后用检测到的编码方式去读文件):

  1. /** 
  2.  * 利用第3方开源包cpdetector获得文件编码格式 
  3.  *  
  4.  * @param path 
  5.  *            要判断文件编码格式的源文件的路径 
  6.  * @author huanglei 
  7.  * @version 2012⑺⑴2 14:05 
  8.  */  
  9. public static String getFileEncode(String path) {  
  10.     /* 
  11.      * 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。 
  12.      * cpDetector内置了1些经常使用的探测实现类,这些探测实现类的实例可以通过add方法 加进来,如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * detector依照“谁最早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 
  15.      * 字符集编码。使用需要用到3个第3方JAR包:antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基于统计学原理的,不保证完全正确。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * 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 
  21.      * 唆使是不是显示探测进程的详细信息,为false不显示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * 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 
  26.      * 测定。所以,1般有了这个探测器便可满足大多数项目的要求,如果你还不放心,可以 
  27.      * 再多加几个探测器,比以下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用于ASCII编码测定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用于Unicode家族编码的测定  
  33.     detector.add(UnicodeDetector.getInstance());  
  34.     java.nio.charset.Charset charset = null;  
  35.     File f = new File(path);  
  36.     try {  
  37.         charset = detector.detectCodepage(f.toURI().toURL());  
  38.     } catch (Exception ex) {  
  39.         ex.printStackTrace();  
  40.     }  
  41.     if (charset != null)  
  42.         return charset.name();  
  43.     else  
  44.         return null;  
  45. }  
  1. String charsetName = getFileEncode(configFilePath);  
  2. System.out.println(charsetName);  
  3. inputStream = new FileInputStream(configFile);  
  4. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  


读jar包内部资源文件(先利用cpdetector检测jar内部的资源文件的编码格式,然后以检测到的编码方式去读文件):

  1. /** 
  2.  * 利用第3方开源包cpdetector获得URL对应的文件编码 
  3.  *  
  4.  * @param path 
  5.  *            要判断文件编码格式的源文件的URL 
  6.  * @author huanglei 
  7.  * @version 2012⑺⑴2 14:05 
  8.  */  
  9. public static String getFileEncode(URL url) {  
  10.     /* 
  11.      * 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。 
  12.      * cpDetector内置了1些经常使用的探测实现类,这些探测实现类的实例可以通过add方法 加进来,如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * detector依照“谁最早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 
  15.      * 字符集编码。使用需要用到3个第3方JAR包:antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基于统计学原理的,不保证完全正确。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * 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 
  21.      * 唆使是不是显示探测进程的详细信息,为false不显示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * 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 
  26.      * 测定。所以,1般有了这个探测器便可满足大多数项目的要求,如果你还不放心,可以 
  27.      * 再多加几个探测器,比以下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用于ASCII编码测定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用于Unicode家族编码的测定  
  33.     detector.add(UnicodeDetector.getInstance());  
  34.     java.nio.charset.Charset charset = null;  
  35.     try {  
  36.         charset = detector.detectCodepage(url);  
  37.     } catch
生活不易,码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠
程序员人生
------分隔线----------------------------
分享到:
------分隔线----------------------------
关闭
程序员人生