詳解Java如何獲取文件編碼格式

1：復雜判別是UTF-8或不是UTF-8，由於普通除了UTF-8之外就是GBK，所以就設置默許為GBK。

依照給定的字符集存儲文件時，在文件的最掃尾的三個字節中就有能夠存儲著編碼信息，所以，根本的原理就是只需讀出文件前三個字節，斷定這些字節的值，就可以得知其編碼的格式。其實，假如項目運轉的平台就是中文操作零碎，假如這些文本文件在項目內發生，即開發人員可以控制文本的編碼格式，只需斷定兩種罕見的編碼就可以了：GBK和UTF-8。由於中文Windows默許的編碼是GBK，所以普通只需斷定UTF-8編碼格式。

關於UTF-8編碼格式的文本文件，其前3個字節的值就是-17、-69、-65，所以，斷定能否是UTF-8編碼格式的代碼片段如下：

File file = new File(path); 
InputStream in= new java.io.FileInputStream(file); 
byte[] b = new byte[3]; 
in.read(b); 
in.close(); 
if (b[0] == -17 && b[1] == -69 && b[2] == -65) 
 System.out.println(file.getName() + "：編碼為UTF-8"); 
else 
 System.out.println(file.getName() + "：能夠是GBK，也能夠是其他編碼"); 

2：若想完成更復雜的文件編碼檢測，可以運用一個開源項目cpdetector，它所在的網址是：http://cpdetector.sourceforge.net/。它的類庫很小，只要500K左右，cpDetector是基於統計學原理的，不保證完全正確，應用該類庫斷定文本文件的代碼如下：

讀內部文件(先應用cpdetector檢測文件的編碼格式，然後用檢測到的編碼方式去讀文件):

/** 
 * 應用第三方開源包cpdetector獲取文件編碼格式 
 * 
 * @param path 
 *   要判別文件編碼格式的源文件的途徑 
 * @author huanglei 
 * @version 2012-7-12 14:05 
 */ 
public static String getFileEncode(String path) { 
 /* 
  * detector是探測器，它把探測義務交給詳細的探測完成類的實例完成。 
  * cpDetector內置了一些常用的探測完成類，這些探測完成類的實例可以經過add辦法 加出去，如ParsingDetector、 
  * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  * detector依照“誰最先前往非空的探測後果，就以該後果為准”的准繩前往探測到的 
  * 字符集編碼。運用需求用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  * cpDetector是基於統計學原理的，不保證完全正確。 
  */ 
 CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance(); 
 /* 
  * ParsingDetector可用於反省HTML、XML等文件或字符流的編碼,結構辦法中的參數用於 
  * 指示能否顯示探測進程的詳細信息，為false不顯示。 
  */ 
 detector.add(new ParsingDetector(false)); 
 /* 
  * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大少數文件的編碼 
  * 測定。所以，普通有了這個探測器就可滿足大少數項目的要求，假如你還不擔心，可以 
  * 再多加幾個探測器，比方上面的ASCIIDetector、UnicodeDetector等。 
  */ 
 detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar 
 // ASCIIDetector用於ASCII編碼測定 
 detector.add(ASCIIDetector.getInstance()); 
 // UnicodeDetector用於Unicode家族編碼的測定 
 detector.add(UnicodeDetector.getInstance()); 
 java.nio.charset.Charset charset = null; 
 File f = new File(path); 
 try { 
  charset = detector.detectCodepage(f.toURI().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));

讀jar包外部資源文件(先應用cpdetector檢測jar外部的資源文件的編碼格式，然後以檢測到的編碼方式去讀文件)：

/** 
 * 應用第三方開源包cpdetector獲取URL對應的文件編碼 
 * 
 * @param path 
 *   要判別文件編碼格式的源文件的URL 
 * @author huanglei 
 * @version 2012-7-12 14:05 
 */ 
public static String getFileEncode(URL url) { 
 /* 
  * detector是探測器，它把探測義務交給詳細的探測完成類的實例完成。 
  * cpDetector內置了一些常用的探測完成類，這些探測完成類的實例可以經過add辦法 加出去，如ParsingDetector、 
  * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  * detector依照“誰最先前往非空的探測後果，就以該後果為准”的准繩前往探測到的 
  * 字符集編碼。運用需求用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  * cpDetector是基於統計學原理的，不保證完全正確。 
  */ 
 CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance(); 
 /* 
  * ParsingDetector可用於反省HTML、XML等文件或字符流的編碼,結構辦法中的參數用於 
  * 指示能否顯示探測進程的詳細信息，為false不顯示。 
  */ 
 detector.add(new ParsingDetector(false)); 
 /* 
  * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大少數文件的編碼 
  * 測定。所以，普通有了這個探測器就可滿足大少數項目的要求，假如你還不擔心，可以 
  * 再多加幾個探測器，比方上面的ASCIIDetector、UnicodeDetector等。 
  */ 
 detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar 
 // ASCIIDetector用於ASCII編碼測定 
 detector.add(ASCIIDetector.getInstance()); 
 // UnicodeDetector用於Unicode家族編碼的測定 
 detector.add(UnicodeDetector.getInstance()); 
 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 = CreateStationTreeModel.class.getResource("/resource/" + "配置文件"); 
URLConnection urlConnection = url.openConnection(); 
inputStream=urlConnection.getInputStream(); 
String charsetName = getFileEncode(url); 
System.out.println(charsetName); 
BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName)); 

3：探測恣意輸出的文本流的編碼，辦法是調用其重載方式：

charset=detector.detectCodepage(待測的文本輸出流,測量該流所需的讀入字節數); 

下面的字節數由順序員指定，字節數越多，斷定越精確，當然時間也花得越長。要留意，字節數的指定不能超越文本流的最大長度。

4：斷定文件編碼的詳細使用舉例：

屬性文件(.properties)是Java順序中的常用文本存儲方式，象STRUTS框架就是應用屬性文件存儲順序中的字符串資源。它的內容如下所示：

#正文語句

屬性名=屬性值

讀入屬性文件的普通辦法是：

FileInputStream ios=new FileInputStream(“屬性文件名”); 
Properties prop=new Properties(); 
prop.load(ios); 
String value=prop.getProperty(“屬性名”); 
ios.close(); 

 應用java.io.Properties的load辦法讀入屬性文件雖然方便，但假如屬性文件中有中文，在讀入之後就會發現呈現亂碼景象。發作這個緣由是load辦法運用字節流讀入文本，在讀入後需求將字節流編碼成為字符串，而它運用的編碼是“iso-8859-1”,這個字符集是ASCII碼字符集，不支持中文編碼，

辦法一：運用顯式的轉碼：

String value=prop.getProperty(“屬性名”); 
String encValue=new String(value.getBytes(“iso-8859-1″),”屬性文件的實踐編碼”); 

辦法二：象這種屬性文件是項目外部的，我們可以控制屬性文件的編碼格式，比方商定采用Windows內定的GBK，就直接應用”gbk”來轉碼，     假如商定采用UTF-8，就運用”UTF-8″直接轉碼。

辦法三：假如想靈敏一些，做到自動探測編碼，就可應用下面引見的辦法測定屬性文件的編碼，從而方便開發人員的任務

補充：可以用上面代碼取得Java支持編碼集合：

Charset.availableCharsets().keySet();

可以用上面的代碼取得零碎默許編碼：

Charset.defaultCharset();

以上就是本文的全部內容，希望對大家的學習有所協助，也希望大家多多支持。