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
私信 提问
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
2018/05/25
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
java获取txt文件编码格式

java编码与txt编码对应 java txt unicode unicode big endian utf-8 utf-8 utf-16 unicode gb2312 ANSI java读取txt文件,如果编码格式不匹配,就会出现乱码现象。所以读取txt文件的时候需要...

sunyh
2012/02/13
0
2
mac TXT 文档乱码

mac TXT 文档乱码 这是编码格式的原因,改一下就好: 使用 textEdit 打开 txt 文档 偏好设置 -> 打开与存储 -> 打开文件编码 选择 中国 (GB 18030) ,保存文件编码 选择 中国 (GB 18030) 关闭...

iOS_愛OS
2017/11/28
0
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

没有更多内容

加载失败,请刷新页面

加载更多

centos7 Nginx+rtmp 搭建流媒体服务器

一. gcc 安装 安装 nginx 需要先将官网下载的源码进行编译,编译依赖 gcc 环境,如果没有 gcc 环境,则需要安装: yum -y install gcc gcc-c++ 二. PCRE pcre-devel 安装 PCRE(Perl Compatib...

legend3
23分钟前
2
0
“别更新了,学不动了” 之:全栈开发者 2019 应该学些什么?

转载请注明出处:葡萄城官网,葡萄城为开发者提供专业的开发工具、解决方案和服务,赋能开发者。 原文转载自 公众号 infoqchina 对于什么是全栈开发者并没有一个明确的定义。但是,有一件事是...

葡萄城技术团队
40分钟前
6
0
OSChina 周五乱弹 —— 姑娘馋的口水都留下来了。

Osc乱弹歌单(2019)请戳(这里) 【今日歌曲】 @且无需多言 :分享Fall Out Boy的单曲《Disloyal Order Of Water Buffaloes》 《Disloyal Order Of Water Buffaloes》- Fall Out Boy 手机党...

小小编辑
今天
672
14
vue 对对象的属性进行修改时,不能渲染页面 vue.$set()

我在vue里的方法里给一个对象添加某个属性时,我console.log出来的是已经更改的object ,但是页面始终没有变化 原因如下: **受现代 JavaScript 的限制 (而且 Object.observe 也已经被废弃),...

Js_Mei
今天
2
0
开始看《Java学习笔记》

虽然书买了很久,但一直没看。这其中也写过一些Java程序,但都是基于IDE的帮助和对C#的理解来写的,感觉不踏实。 林信良的书写得蛮好的,能够帮助打好基础,看得出作者是比较用心的。 第1章概...

max佩恩
昨天
12
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