详解Java如何获取⽂件编码格式
1：简单判断是UTF-8或不是UTF-8，因为⼀般除了UTF-8之外就是GBK，所以就设置默认为GBK。
按照给定的字符集存储⽂件时，在⽂件的最开头的三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三个字节，判定这些字节的值，就可以得知其编码的格式。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可以了：GBK和UTF-8。由于中⽂Windows默认的编码是GBK，所以⼀般只要判定UTF-8编码格式。
对于UTF-8编码格式的⽂本⽂件，其前3个字节的值就是-17、-69、-65，所以，判定是否是UTF-8编码格式的代码⽚段如下：File file = new File(path);
InputStream in= new java.io.FileInputStream(file);
byte[] b = new byte[3];
in.close();
if (b[0] == -17 && b[1] == -69 && b[2] == -65)
System.out.Name() + "：编码为UTF-8");
else
System.out.Name() + "：可能是GBK，也可能是其他编码");
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):
/**
* 利⽤第三⽅开源包cpdetector获取⽂件编码格式
*
* @param path
* 要判断⽂件编码格式的源⽂件的路径
* @author huanglei
* @version 2012-7-12 14:05
*/
public static String getFileEncode(String path) {
/*
* 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。使⽤需要⽤到三个第三⽅JAR包：antlr.jar、chardet.jar和cpdetector.jar
* cpDetector是基于统计学原理的，不保证完全正确。
*/
CodepageDetectorProxy detector = Instance();
/*
* 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));
/*
* 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
java stream* 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.Instance());// ⽤到antlr.jar、chardet.jar
// ASCIIDetector⽤于ASCII编码测定
detector.Instance());
// UnicodeDetector⽤于Unicode家族编码的测定
detector.Instance());
java.nio.charset.Charset charset = null;
File f = new File(path);
try {
charset = detector.URI().toURL());
} catch (Exception ex) {
ex.printStackTrace();
}
if (charset != null)
return charset.name();
else
return null;
}
String charsetName = getFileEncode(configFilePath);
System.out.println(charsetName);
inputStream = new FileInputStream(configFile);
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)：
/**
* 利⽤第三⽅开源包cpdetector获取URL对应的⽂件编码
*
* @param path
* 要判断⽂件编码格式的源⽂件的URL
* @author huanglei
* @version 2012-7-12 14:05
*/
public static String getFileEncode(URL url) {
/*
* 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。使⽤需要⽤到三个第三⽅JAR包：antlr.jar、chardet.jar和cpdetector.jar
* cpDetector是基于统计学原理的，不保证完全正确。
*/
CodepageDetectorProxy detector = Instance();
/*
* 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));
/*
* 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.Instance());// ⽤到antlr.jar、chardet.jar
// ASCIIDetector⽤于ASCII编码测定
detector.Instance());
// UnicodeDetector⽤于Unicode家族编码的测定
detector.Instance());
java.nio.charset.Charset charset = null;
try {
charset = detector.detectCodepage(url);
} catch (Exception ex) {
ex.printStackTrace();
}
if (charset != null)
return charset.name();
else
return null;
}
URL url = Resource("/resource/" + "配置⽂件");
URLConnection urlConnection = url.openConnection();
InputStream();
String charsetName = getFileEncode(url);
System.out.println(charsetName);
BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));
3：探测任意输⼊的⽂本流的编码，⽅法是调⽤其重载形式：
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。
4：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：
#注释语句
属性名=属性值
读⼊属性⽂件的⼀般⽅法是：
FileInputStream ios=new FileInputStream(“属性⽂件名”);
Properties prop=new Properties();
prop.load(ios);
String Property(“属性名”);
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，
⽅法⼀：使⽤显式的转码：
String Property(“属性名”);
String encValue=new Bytes(“iso-8859-1″),”属性⽂件的实际编码”);
⽅法⼆：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，就使⽤”UTF-8″直接转码。
⽅法三：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
补充：可以⽤下⾯代码获得Java⽀持编码集合：
Charset.availableCharsets().keySet();
可以⽤下⾯的代码获得系统默认编码：
Charset.defaultCharset();
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论