java采用三方工具包自动判断文件编码两种方式

最新推荐文章于 2025-05-07 20:29:55 发布

依然核桃

最新推荐文章于 2025-05-07 20:29:55 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏： JavaSE

本文链接：https://blog.youkuaiyun.com/chen1280436393/article/details/94400685

JavaSE 专栏收录该内容

17 篇文章

订阅专栏

本文介绍了两种用于识别CSV文件编码格式的方法。第一种方法使用多种编码探测器组合，包括统计概率判断、字节顺序标记检测等，但可能不准确。第二种方法采用ICU4J库进行编码检测，能更准确地识别GB18030编码，适用于向下兼容的GB2312和GBK编码格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一种我试过了不是很准，网上有人说是通过统计概率判断文件编码的再此处记录，

UTF8的CSV文件

用wps打开修改后保存，再用notepad打开显示为GB2312，该方法读取的编码格式为 UTF-16BE，按此格式读取文件出现乱码；

用excel2013打开修改后保存，再用notepad打开，看见格式仍然是GB2312，该方法判断文件编码格式为Big5，按此格式读取文件出现乱码；

jar包下载：
https://download.youkuaiyun.com/download/chen1280436393/11267094

    public static void getFileEncode(File file){
        String charsetName = null;
        try{
            CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
            detector.add(new ParsingDetector(false));
            detector.add(new ByteOrderMarkDetector());
            detector.add(JChardetFacade.getInstance());
            detector.add(ASCIIDetector.getInstance());
            detector.add(UnicodeDetector.getInstance());
            java.nio.charset.Charset charset = detector.detectCodepage(file.toURL());
            if (charset != null) {
                charsetName = charset.name();
            }else{
                charsetName = "GB2312";
            }
        }catch (Exception e){
           e.printStackTrace();
        }
        System.out.println("charsetName====="+charsetName);
    }

查到另外一种方式，读取成功，该方法判断文件编码格式为GB18030，

（GB2312（1980年）、GBK（1995年）到GB18030（2000年），这些编码方法是向下兼容的）

 public static void getFileCharsetByICU4J(File file) {
        String encoding = null;
        try {
            Path path = Paths.get(file.getPath());
            byte[] data = Files.readAllBytes(path);
            CharsetDetector detector = new CharsetDetector();
            detector.setText(data);
            CharsetMatch match = detector.detect();
            if (match == null) {
                 encoding = "默认";
            }
            encoding = match.getName();
        } catch (IOException var6) {
        }
          System.out.println(encoding);
    }

附maven依赖

   <dependency>
        <groupId>com.ibm.icu</groupId>
        <artifactId>icu4j</artifactId>
        <version>59.1</version>
   </dependency>

java采用三方工具包自动判断文件编码 两种方式

java采用三方工具包自动判断文件编码两种方式