使用 jchardet 获得文件编码 -javacode

最新推荐文章于 2022-10-12 11:14:42 发布

转载最新推荐文章于 2022-10-12 11:14:42 发布 · 1.5k 阅读

文章标签：

#encoding #string #file #path #exception #null

Java相关专栏收录该内容

163 篇文章

订阅专栏

本文介绍了一个使用JCharDet库来检测文件编码的Java程序。通过指定文件路径，此程序能够识别文件的字符集编码，例如UTF-8、GBK等，并支持不同语言提示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转载自：http://hi.baidu.com/hxzon/blog/item/f2b8b51bfa5101108618bfd1.html

//使用 jchardet 获得文件编码 -javacode
//当含中文的文件用ANSI编码保存时，检测还是出错。

package org.mozilla.intl.chardet;

import java.io.BufferedInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

/**
 * 借助JCharDet获取文件字符集
 * 
 * @author icer PS: JCharDet 是mozilla自动字符集探测算法代码的java移植，其官方主页为：
 *         http://jchardet.sourceforge.net/
 * @date 2008/11/13
 */
public class FileCharsetDetector {

	private boolean found = false;

	/**
	 * 如果完全匹配某个字符集检测算法, 则该属性保存该字符集的名称. 否则(如二进制文件)其值就为默认值 null, 这时应当查询属性
	 */
	private String encoding = null;

//	public static void main(String[] argv) throws Exception {
//		if (argv.length != 1 && argv.length != 2) {
//
//			System.out.println("Usage: FileCharsetDetector <path> [<languageHint>]");
//
//			System.out.println("");
//			System.out.println("Where <path> is d:/demo.txt");
//			System.out.println("For optional <languageHint>. Use following...");
//			System.out.println("   1 => Japanese");
//			System.out.println("   2 => Chinese");
//			System.out.println("   3 => Simplified Chinese");
//			System.out.println("   4 => Traditional Chinese");
//			System.out.println("   5 => Korean");
//			System.out.println("   6 => Dont know (default)");
//
//			return;
//		} else {
//			String encoding = null;
//			if (argv.length == 2) {
//				encoding = new FileCharsetDetector().guestFileEncoding(argv[0], Integer.valueOf(argv[1]));
//			} else {
//				encoding = new FileCharsetDetector().guestFileEncoding(argv[0]);
//			}
//			System.out.println("文件编码:" + encoding);
//		}
//	}
	
	
	/** added by bruce Yang on 2012.04.16.00.44~ */
	public static void main(String[] args) throws Exception {
		List<String> pathList = new ArrayList<String>();
		pathList.add("/Users/user/Novels/txt/猎头.txt");
		pathList.add("/Users/user/Novels/txt/2哥小说集合/邪神传说5.txt.txt");
		pathList.add("/Users/user/Novels/txt/2哥小说集合/福尔摩斯侦探小说全集（中）.txt");
		pathList.add("/Users/user/Novels/txt/2哥小说集合/长生界0.txt.txt");
		pathList.add("/Users/user/Downloads/开源框架/cocos2d-x/cocos2d-1.0.1-x-0.11.0/licenses/LICENSE_artwork.txt");
		for(String path : pathList) {
			String encoding = new FileCharsetDetector().guestFileEncoding(path);
			System.out.println("文件编码:" + encoding);
		}
	}
	

	/**
	 * 传入一个文件(File)对象，检查文件编码
	 * 
	 * @param file
	 *            File对象实例
	 * @return 文件编码，若无，则返回null
	 * @throws FileNotFoundException
	 * @throws IOException
	 */
	public String guestFileEncoding(File file) throws FileNotFoundException,
			IOException {
		return guestFileEncoding(file, new nsDetector());
	}

	/**
	 * 获取文件的编码
	 * 
	 * @param file
	 *            File对象实例
	 * @param languageHint
	 *            语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;
	 *            4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)
	 * @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null
	 * @throws FileNotFoundException
	 * @throws IOException
	 */
	public String guestFileEncoding(File file, int languageHint)
			throws FileNotFoundException, IOException {
		return guestFileEncoding(file, new nsDetector(languageHint));
	}

	/**
	 * 获取文件的编码
	 * 
	 * @param path
	 *            文件路径
	 * @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null
	 * @throws FileNotFoundException
	 * @throws IOException
	 */
	public String guestFileEncoding(String path) throws FileNotFoundException,
			IOException {
		return guestFileEncoding(new File(path));
	}

	/**
	 * 获取文件的编码
	 * 
	 * @param path
	 *            文件路径
	 * @param languageHint
	 *            语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;
	 *            4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)
	 * @return
	 * @throws FileNotFoundException
	 * @throws IOException
	 */
	public String guestFileEncoding(String path, int languageHint)
			throws FileNotFoundException, IOException {
		return guestFileEncoding(new File(path), languageHint);
	}

	/**
	 * 获取文件的编码
	 * 
	 * @param file
	 * @param det
	 * @return
	 * @throws FileNotFoundException
	 * @throws IOException
	 */
	private String guestFileEncoding(File file, nsDetector det)
			throws FileNotFoundException, IOException {
		// Set an observer...
		// The Notify() will be called when a matching charset is found.
		det.Init(new nsICharsetDetectionObserver() {
			public void Notify(String charset) {
				found = true;
				encoding = charset;
			}
		});

		BufferedInputStream imp = new BufferedInputStream(new FileInputStream(
				file));

		byte[] buf = new byte[1024];
		int len;
		boolean done = false;
		boolean isAscii = true;

		while ((len = imp.read(buf, 0, buf.length)) != -1) {
			// Check if the stream is only ascii.
			if (isAscii)
				isAscii = det.isAscii(buf, len);

			// DoIt if non-ascii and not done yet.
			if (!isAscii && !done)
				done = det.DoIt(buf, len, false);
		}
		det.DataEnd();

		if (isAscii) {
			encoding = "ASCII";
			found = true;
		}

		if (!found) {
			String prob[] = det.getProbableCharsets();
			if (prob.length > 0) {
				// 在没有发现情况下，则取第一个可能的编码
				encoding = prob[0];
			} else {
				return null;
			}
		}
		return encoding;
	}
}