判断中文文本编码格式是gbk还是utf-8的一种简单方式

原创于 2018-10-12 11:03:27 发布 · 1.2w 阅读

CC 4.0 BY-SA版权

本文介绍了一种通过比较同一文件在不同编码下读取长度差异的方法来判断中文字符编码类型的实用技巧。该方法通过Java实现，能够准确判断gbk和utf-8两种常见编码，但在面对更多编码类型时可能存在局限。

import java.io.*;

public class charsetTest {
   public static String charsetType(String fileName) throws IOException {
      BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(fileName), "utf-8"));
      String str=reader.readLine();
      int len1=str.length();
      
      reader = new BufferedReader(new InputStreamReader(new FileInputStream(fileName), "gbk"));
      str=reader.readLine();
      int len2=str.length();
      if(len1<=len2){
         return "utf-8";
      }
      else{
         return "gbk";
      }
      
   }

   public static void main(String[] args) throws IOException {
      System.out.println("gbk.txt："+charsetType("gbk.txt"));
      System.out.println("utf.txt："+charsetType("utf.txt"));
   }
}

在日常处理中文文本的过程中发现的一种有趣现象，实际运行可准确判断中文字符编码类型，但有无例外情况尚不可知