碼上快樂

相關內容    簡體    繁體

Java如何獲取文件編碼格式

本文轉載自   查看原文   2016-02-27 18:33   2236    java/ 編碼/ utf8

http://www.cnblogs.com/java0721/archive/2012/07/21/2602963.html

1：簡單判斷是UTF-8或不是UTF-8，因為一般除了UTF-8之外就是GBK，所以就設置默認為GBK。

 按照給定的字符集存儲文件時，在文件的最開頭的三個字節中就有可能存儲着編碼信息，所以，基本的原理就是只要讀出文件前三個字節，判定這些字節的值，就可以得知其編碼的格式。其實，如果項目運行的平台就是中文操作系統，如果這些文本文件在項目內產生，即開發人員可以控制文本的編碼格式，只要判定兩種常見的編碼就可以了：GBK和UTF-8。由於中文Windows默認的編碼是GBK，所以一般只要判定UTF-8編碼格式。
   對於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，判定是否是UTF-8編碼格式的代碼片段如下：
  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() + "：編碼為UTF-8");  
  8. else  
  9.     System.out.println(file.getName() + "：可能是GBK，也可能是其他編碼");  

 

 

2：若想實現更復雜的文件編碼檢測，可以使用一個開源項目cpdetector，它所在的網址是：http://cpdetector.sourceforge.net/。它的類庫很小，只有500K左右，cpDetector是基於統計學原理的，不保證完全正確，利用該類庫判定文本文件的代碼如下：

 

讀外部文件(先利用cpdetector檢測文件的編碼格式，然后用檢測到的編碼方式去讀文件):

 

  1. /** 
  2.  * 利用第三方開源包cpdetector獲取文件編碼格式 
  3.  *  
  4.  * @param path 
  5.  *            要判斷文件編碼格式的源文件的路徑 
  6.  * @author huanglei 
  7.  * @version 2012-7-12 14:05 
  8.  */  
  9. public static String getFileEncode(String path) {  
  10.     /* 
  11.      * detector是探測器，它把探測任務交給具體的探測實現類的實例完成。 
  12.      * cpDetector內置了一些常用的探測實現類，這些探測實現類的實例可以通過add方法 加進來，如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * detector按照“誰最先返回非空的探測結果，就以該結果為准”的原則返回探測到的 
  15.      * 字符集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基於統計學原理的，不保證完全正確。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * ParsingDetector可用於檢查HTML、XML等文件或字符流的編碼,構造方法中的參數用於 
  21.      * 指示是否顯示探測過程的詳細信息，為false不顯示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數文件的編碼 
  26.      * 測定。所以，一般有了這個探測器就可滿足大多數項目的要求，如果你還不放心，可以 
  27.      * 再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用於ASCII編碼測定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用於Unicode家族編碼的測定  
  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));  



 

讀jar包內部資源文件(先利用cpdetector檢測jar內部的資源文件的編碼格式，然后以檢測到的編碼方式去讀文件)：

 

  1. /** 
  2.  * 利用第三方開源包cpdetector獲取URL對應的文件編碼 
  3.  *  
  4.  * @param path 
  5.  *            要判斷文件編碼格式的源文件的URL 
  6.  * @author huanglei 
  7.  * @version 2012-7-12 14:05 
  8.  */  
  9. public static String getFileEncode(URL url) {  
  10.     /* 
  11.      * detector是探測器，它把探測任務交給具體的探測實現類的實例完成。 
  12.      * cpDetector內置了一些常用的探測實現類，這些探測實現類的實例可以通過add方法 加進來，如ParsingDetector、 
  13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
  14.      * detector按照“誰最先返回非空的探測結果，就以該結果為准”的原則返回探測到的 
  15.      * 字符集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar 
  16.      * cpDetector是基於統計學原理的，不保證完全正確。 
  17.      */  
  18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
  19.     /* 
  20.      * ParsingDetector可用於檢查HTML、XML等文件或字符流的編碼,構造方法中的參數用於 
  21.      * 指示是否顯示探測過程的詳細信息，為false不顯示。 
  22.      */  
  23.     detector.add(new ParsingDetector(false));  
  24.     /* 
  25.      * JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數文件的編碼 
  26.      * 測定。所以，一般有了這個探測器就可滿足大多數項目的要求，如果你還不放心，可以 
  27.      * 再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。 
  28.      */  
  29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
  30.     // ASCIIDetector用於ASCII編碼測定  
  31.     detector.add(ASCIIDetector.getInstance());  
  32.     // UnicodeDetector用於Unicode家族編碼的測定  
  33.     detector.add(UnicodeDetector.getInstance());  
  34.     java.nio.charset.Charset charset = null;  
  35.     try {  
  36.         charset = detector.detectCodepage(url);  
  37.     } catch (Exception ex) {  
  38.         ex.printStackTrace();  
  39.     }  
  40.     if (charset != null)  
  41.         return charset.name();  
  42.     else  
  43.         return null;  
  44. }  
  1. URL url = CreateStationTreeModel.class.getResource("/resource/" + "配置文件");  
  2. URLConnection urlConnection = url.openConnection();  
  3. inputStream=urlConnection.getInputStream();  
  4. String charsetName = getFileEncode(url);  
  5. System.out.println(charsetName);  
  6. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  

 

 

3：探測任意輸入的文本流的編碼，方法是調用其重載形式： 

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

 

上面的字節數由程序員指定，字節數越多，判定越准確，當然時間也花得越長。要注意，字節數的指定不能超過文本流的最大長度。

 

4：判定文件編碼的具體應用舉例：
 
    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。它的內容如下所示：
    #注釋語句
    屬性名=屬性值
    讀入屬性文件的一般方法是：
  1. FileInputStream ios=new FileInputStream(“屬性文件名”);  
  2. Properties prop=new Properties();  
  3. prop.load(ios);  
  4. String value=prop.getProperty(“屬性名”);  
  5. 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，在讀入之后就會發現出現亂碼現象。發生這個原因是load方法使用字節流讀入文本，在讀入后需要將字節流編碼成為字符串，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，
    方法一：使用顯式的轉碼：
  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”);  
    方法二：象這種屬性文件是項目內部的，我們可以控制屬性文件的編碼格式，比如約定采用Windows內定的GBK，就直接利用”gbk”來轉碼，     如果約定采用UTF-8，就使用”UTF-8″直接轉碼。
    方法三：如果想靈活一些，做到自動探測編碼，就可利用上面介紹的方法測定屬性文件的編碼，從而方便開發人員的工作
    
補充：可以用下面代碼獲得Java支持編碼集合：
    Charset.availableCharsets().keySet();
    可以用下面的代碼獲得系統默認編碼：
    Charset.defaultCharset();


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 Java如何獲取文件編碼格式 Java判斷文件編碼格式 java 獲取獲取字符串編碼格式 Java獲取Linux服務器系統默認編碼格式 文件編碼格式轉換 java文件讀寫操作指定編碼格式 java中的編碼和編碼格式問題 【字符編碼】Java編碼格式探秘 MyEclipse設置文件的編碼格式 VS之設置文件編碼格式
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM