java判斷文件編碼終于弄懂了編碼是怎么回事

woshishenxiande 2011-05-31

展開全文

對于UTF-8編碼格式的文本文件，其前3個字節(jié)的值就是-17、-69、-65，所以，判定是否是UTF-8編碼格式的代碼片段如下：
   1. java.io.File f=new java.io.File("待判定的文本文件名");
   2. try{
   3.   java.io.InputStream ios=new java.io.FileInputStream(f);
   4.   byte[] b=new byte[3];
   5.   ios.read(b);
   6.   ios.close();
   7.   if(b[0]==-17&&b[1]==-69&&b[2]==-65)
   8.      System.out.println(f.getName()+"編碼為UTF-8");
   9.   else System.out.println(f.getName()+"可能是GBK");
10. }catch(Exception e){
11.    e.printStackTrace();
12. }
可以采用一個現(xiàn)成的開源項目：cpdetector利用該類庫判定文本文件的代碼如下：
   1. /*------------------------------------------------------------------------
   2.   detector是探測器，它把探測任務(wù)交給具體的探測實現(xiàn)類的實例完成。
   3.   cpDetector內(nèi)置了一些常用的探測實現(xiàn)類，這些探測實現(xiàn)類的實例可以通過add方法
   4.   加進(jìn)來，如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。
   5.   detector按照“誰最先返回非空的探測結(jié)果，就以該結(jié)果為準(zhǔn)”的原則返回探測到的
   6.   字符集編碼。
   7. --------------------------------------------------------------------------*/
   8. cpdetector.io.CodepageDetectorProxy detector =
   9. cpdetector.io.CodepageDetectorProxy.getInstance();
10. /*-------------------------------------------------------------------------
11.   ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于
12.   指示是否顯示探測過程的詳細(xì)信息，為false不顯示。
13. ---------------------------------------------------------------------------*/
14. detector.add(new cpdetector.io.ParsingDetector(false));
15. /*--------------------------------------------------------------------------
16.   JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數(shù)文件的編碼
17.   測定。所以，一般有了這個探測器就可滿足大多數(shù)項目的要求，如果你還不放心，可以
18.   再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。
19. ---------------------------------------------------------------------------*/
20. detector.add(cpdetector.io.JChardetFacade.getInstance());
21. //ASCIIDetector用于ASCII編碼測定
22. detector.add(cpdetector.io.ASCIIDetector.getInstance());
23. //UnicodeDetector用于Unicode家族編碼的測定
24. detector.add(cpdetector.io.UnicodeDetector.getInstance());
25. java.nio.charset.Charset charset = null;
26. File f=new File("待測的文本文件名");
27. try {
28.       charset = detector.detectCodepage(f.toURL());
29. } catch (Exception ex) {ex.printStackTrace();}
30. if(charset!=null){
31.      System.out.println(f.getName()+"編碼是："+charset.name());
32. }else
33.     System.out.println(f.getName()+"未知");

/*------------------------------------------------------------------------
    detector是探測器，它把探測任務(wù)交給具體的探測實現(xiàn)類的實例完成。
    cpDetector內(nèi)置了一些常用的探測實現(xiàn)類，這些探測實現(xiàn)類的實例可以通過add方法
    加進(jìn)來，如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。
    detector按照“誰最先返回非空的探測結(jié)果，就以該結(jié)果為準(zhǔn)”的原則返回探測到的
    字符集編碼。
--------------------------------------------------------------------------*/
cpdetector.io.CodepageDetectorProxy detector =
cpdetector.io.CodepageDetectorProxy.getInstance();
/*-------------------------------------------------------------------------
    ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于
    指示是否顯示探測過程的詳細(xì)信息，為false不顯示。
---------------------------------------------------------------------------*/
detector.add(new cpdetector.io.ParsingDetector(false));
/*--------------------------------------------------------------------------
    JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數(shù)文件的編碼
    測定。所以，一般有了這個探測器就可滿足大多數(shù)項目的要求，如果你還不放心，可以
    再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。
   ---------------------------------------------------------------------------*/
detector.add(cpdetector.io.JChardetFacade.getInstance());
//ASCIIDetector用于ASCII編碼測定
detector.add(cpdetector.io.ASCIIDetector.getInstance());
//UnicodeDetector用于Unicode家族編碼的測定
detector.add(cpdetector.io.UnicodeDetector.getInstance());
java.nio.charset.Charset charset = null;
File f=new File("待測的文本文件名");
try {
        charset = detector.detectCodepage(f.toURL());
} catch (Exception ex) {ex.printStackTrace();}
if(charset!=null){
       System.out.println(f.getName()+"編碼是："+charset.name());
}else
      System.out.println(f.getName()+"未知");

上面代碼中的detector不僅可以用于探測文件的編碼，也可以探測任意輸入的文本流的編碼，方法是調(diào)用其重載形式：
Java代碼復(fù)制代碼

   1. charset=detector.detectCodepage(待測的文本輸入流,測量該流所需的讀入字節(jié)數(shù));

charset=detector.detectCodepage(待測的文本輸入流,測量該流所需的讀入字節(jié)數(shù));

上面的字節(jié)數(shù)由程序員指定，字節(jié)數(shù)越多，判定越準(zhǔn)確，當(dāng)然時間也花得越長。要注意，字節(jié)數(shù)的指定不能超過文本流的最大長度。

判定文件編碼的具體應(yīng)用舉例：
屬性文件(.properties)是Java程序中的常用文本存儲方式，象STRUTS框架就是利用屬性文件存儲程序中的字符串資源。它的內(nèi)容如下所示：

Java代碼復(fù)制代碼

   1. #注釋語句
   2. 屬性名=屬性值

   #注釋語句
   屬性名=屬性值

讀入屬性文件的一般方法是：

Java代碼復(fù)制代碼

   1. FileInputStream ios=new FileInputStream("屬性文件名");
   2. Properties prop=new Properties();
   3. prop.load(ios);
   4. ios.close();

FileInputStream ios=new FileInputStream("屬性文件名");
Properties prop=new Properties();
prop.load(ios);
ios.close();

利用java.io.Properties 的load方法讀入屬性文件雖然方便，但如果屬性文件中有中文，在讀入之后就會發(fā)現(xiàn)出現(xiàn)亂碼現(xiàn)象。發(fā)生這個原因是load方法使用字節(jié)流讀入文本，在讀入后需要將字節(jié)流編碼成為字符串，而它使用的編碼是“iso-8859-1”,這個字符集是ASCII碼字符集，不支持中文編碼，所以這時需要使用顯式的轉(zhuǎn) 碼:
Java代碼復(fù)制代碼

   1. String value=prop.getProperty("屬性名");
   2. String encValue=new String(value.getBytes("iso-8859-1"),"屬性文件的實際編碼");