文档章节

自动检测TXT文件编码

李光正
 李光正
发布于 2015/10/15 14:54
字数 980
阅读 23
收藏 0

自动检测文本文件编码的代码(只能简单判断是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。

String charsetDetect(String path) {
    String _charset="";
    try {
     File file = new File(path);
     InputStream fs = new FileInputStream(file);
     byte[] buffer = new byte[3];
     fs.read(buffer);
      fs.close();
 
  if (buffer[0] == -17 && buffer[1] == -69 && buffer[2] == -65)
    _charset="UTF-8";
  else
    _charset="GBK";
     }
     catch (IOException e) {e.printStackTrace(); }
     return _charset;

   }

若想实现更复杂的文件编码检测,可以使用一个开源项目cpdetector,它所在的网址是:http://cpdetector.sourceforge.net/。它的类库很小,只有500K左右,利用该类库判定文本文件的代码如下:

/*------------------------------------------------------------------------ 
  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。 
--------------------------------------------------------------------------*/ 
cpdetector.io.CodepageDetectorProxy detector =  
cpdetector.io.CodepageDetectorProxy.getInstance();  
/*------------------------------------------------------------------------- 
  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 cpdetector.io.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.add(cpdetector.io.JChardetFacade.getInstance());  
//ASCIIDetector用于ASCII编码测定  
detector.add(cpdetector.io.ASCIIDetector.getInstance());  
//UnicodeDetector用于Unicode家族编码的测定  
detector.add(cpdetector.io.UnicodeDetector.getInstance());  
JAVA.nio.charset.Charset charset = null;  
File f=new File("待测的文本文件名");  
try {  
      charset = detector.detectCodepage(f.toURL());  
} catch (Exception ex) {ex.printStackTrace();}  
if(charset!=null){  
     System.out.println(f.getName()+"编码是:"+charset.name());  
}else 
    System.out.println(f.getName()+"未知"); 

 

上面代码中的detector不仅可以用于探测文件的编码,也可以探测任意输入的文本流的编码,方法是调用其重载形式:
Java代码
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。

 

  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:
  Java代码

   #注释语句
   属性名=属性值
 
  读入属性文件的一般方法是:
  Java代码
FileInputStream ios=new FileInputStream("属性文件名");  
Properties prop=new Properties();  
prop.load(ios);  
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,所以这时需要使用显式的转码:
Java代码
String value=prop.getProperty("属性名");  
String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");   
 
  在上面的代码中,属性文件的实际编码就可以利用上面的方法获得。当然,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,也可以是使用"UTF-8"直接转码。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。

本文转载自:http://blog.csdn.net/liguangzhenghi/article/details/7571095

共有 人打赏支持
李光正
粉丝 5
博文 64
码字总数 0
作品 0
大兴
前端利用Blob对象创建指定文件并下载

一、Blob对象 Blob对象表示一个不可变、原始数据的类文件对象。Blob 表示的不一定是JavaScript原生格式的数据。File接口基于Blob,继承了blob的功能并将其扩展使其支持用户系统上的文件。 构...

joriewong
05/25
0
0
Java粤语语音合成系统--Vekou

至于为什么叫Vekou,我也不知道,唯一想了一分钟多的是用什么字母开头,i是苹果,z和m、w都是微软,k是相机和胶卷,d像狗,所以还是v 比较有型一点,然后随手就把后面几个可以连在一起发音的...

匿名
2010/07/19
4K
2
LinkChecker 6.2 发布,增加版本更新检查

该版本增加了一个自动检测新版本的功能。 LinkChecker 是一个网页链接检查程序,主要特性: 循环遍历和多线程检查 输出各种格式检查结果:text, HTML, SQL, CSV, XML 支持 HTTP/1.1, HTTPS,...

红薯
2011/01/06
625
0
Jota Text Editor

Android系统下的开源文本编辑器。特别适用于长文件的编辑。 功能 - 支持 1 百万字符. - 自动检测多种字符编码. - 更改字符集编码. - 记忆文档光标位置. - 保留打开历史. - 搜索与替换(支持正...

开源好!
2012/12/08
3.7K
0
SyntaxHighlighter 源代码自动转换成Html

下载地址 webhttp.7z http://115.com/file/e7lmpsoy# 文件读入时的编码设置及自动检测,写入时的编码设置.里面包含我使用的其它Java源码,SQL语句 解压至F:后执行F:webhttpsyntaxhighlighter_...

蒋中正
2012/01/14
0
2

没有更多内容

加载失败,请刷新页面

加载更多

初级开发-编程题

` public static void main(String[] args) { System.out.println(changeStrToUpperCase("user_name_abc")); System.out.println(changeStrToLowerCase(changeStrToUpperCase("user_name_abc......

小池仔
今天
6
0
现场看路演了!

HiBlock
昨天
19
0
Rabbit MQ基本概念介绍

RabbitMQ介绍 • RabbitMQ是一个消息中间件,是一个很好用的消息队列框架。 • ConnectionFactory、Connection、Channel都是RabbitMQ对外提供的API中最基本的对象。Connection是RabbitMQ的s...

寰宇01
昨天
12
0
官方精简版Windows10:微软自己都看不过去了

微软宣布,该公司正在寻求解决方案,以减轻企业客户的Windows 10规模。该公司声称,企业客户下载整个Windows 10文件以更新设备既费钱又费时。 微软宣布,该公司正在寻求解决方案,以减轻企业...

linux-tao
昨天
20
0
TypeScript基础入门之JSX(二)

转发 TypeScript基础入门之JSX(二) 属性类型检查 键入检查属性的第一步是确定元素属性类型。 内在元素和基于价值的元素之间略有不同。 对于内部元素,它是JSX.IntrinsicElements上的属性类型...

durban
昨天
13
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部