Java如何获取上传的⼆进制字节流中的⽂件编码格式以及解决
⽂件乱码问题
通过UltraEdit查看⽂件编码格式可得：bgk是没有⽂件字符集编码格式头的，所以在可以通过下⾯⽅式⼤略判断。
GB2312-80编码的编码范围是⾼位0xa1－0xfe，低位是 0xa1-0xfe ，其中汉字范围为 0xb0a1 和 0xf7fe，如果只是简单地判断汉字，则只要查看⾼字节是否⼤于等于0xa1就可以了，还有就是，全⾓字符的⾼字节统统等于0xa3，所以很容易可以区别出全⾓字符来。
通过编辑器UltraEdit整理可得：
utf-8：对应⼆进制编码格式头为-17 -69 -65 ⼗进制为：EF BB BF
unicode：对应⼆进制编码格式头为-1 -2 ⼗进制为：FF FE
gbk格式没有⾃⼰编码头，所以⽆法⽐较.且gbk2312与gbk是包含关系
Unicode big endian:FE、FF
因此可以通过两种⽅式判断；如下：
1、if (log[0] == -17 && log[1] == -69 && log[2] == -65)
System.out.println("：编码为UTF-8");
else
System.out.println("：可能是GBK，也可能是其他编码");
url编码和utf8区别2、if (HexString(0xFF & log[0]).equals("ef")
&& HexString(0xFF & log[1]).equals("bb")
&& HexString(0xFF & log[2]).equals("bf")) {
System.out.println("：编码为UTF-8");
} else {
System.out.println("：可能是GBK，也可能是其他编码");
}
这⾥只是举例常⽤⼏种⽂件字符集编码格式。
注意这个⽅法的局限：⽂件头必须有⽂件存储编码的信息，对于不规范的⽂件或被篡改过的就另当别论
⽤法如下：
/**
* 获取⼆进制⽂件字节流中内容的编码格式
* utf-8：对应⼆进制编码格式头为-17 -69 -65 ⼗进制为：EF BB BF
* unicode：对应⼆进制编码格式头为-1 -2  ⼗进制为：FF FE
* gbk格式没有⾃⼰编码头，所以⽆法⽐较.且gbk2312与gbk是包含关系
*/
public static String getCodeType(byte[] b) {
if (b[0] == -17 && b[1] == -69 && b[2] == -65) {
return "utf8";
} else if (b[0] == -1 && b[1] == -2) {
return "unicode";
} else {
return "gbk";
}
}
采⽤第⼆种⽅式：
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)
还需要使⽤到三个第三⽅JAR包：antlr.jar、chardet.jar和cpdetector.jar
/
**
* 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
*/
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();

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。