如何判斷java.io.File所讀取的檔案編碼

標籤：

如何判斷java.io.File所讀取的檔案編碼 問題

java中涉及到檔案讀取，就經常要考慮檔案編碼問題。雖然程式中一般都指定UTF-8編碼，但是使用者總可能提交各種編碼的檔案（特別是windows下使用者），如果對這些檔案不做判斷就直接按照UTF-8的方式讀取的話，是肯定會亂碼的。

解決方案

java原生並不支援檔案編碼的判斷，一般都是read檔案的前幾個位元組來判斷，需要自己編寫工具類，判斷的編碼類別型也比較少。最近找到了個開源的項目juniversalchardet，能比較優雅的完成這個任務。
使用方法也很簡單，下載它的jar包，按照官網的例子操作即可，當然這段代碼自己封裝成工具類最好了：

import org.mozilla.universalchardet.UniversalDetector;public class TestDetector {  public static void main(String[] args) throws java.io.IOException {    byte[] buf = new byte[4096];    String fileName = args[0];    java.io.FileInputStream fis = new java.io.FileInputStream(fileName);    // (1)    UniversalDetector detector = new UniversalDetector(null);    // (2)    int nread;    while ((nread = fis.read(buf)) > 0 && !detector.isDone()) {      detector.handleData(buf, 0, nread);    }    // (3)    detector.dataEnd();    // (4)    String encoding = detector.getDetectedCharset();    if (encoding != null) {      System.out.println("Detected encoding = " + encoding);    } else {      System.out.println("No encoding detected.");    }    // (5)    detector.reset();  }}

我自己寫成工具類測試的時候，發現有些檔案還是不能判斷出來（比如excel儲存過的gbk編碼的.csv檔案），所以使用它判斷檔案編碼的時候，最好處理下得不到編碼的情況，比如給個預設編碼啥的。

juniversalchardet的項目地址

1. googlecode
2. github

如何判斷java.io.File所讀取的檔案編碼