JAVA判斷檔案編碼類型

java讀取檔案，處理過程中，可能因為檔案的編碼問題導緻了中文亂碼。有時需要将utf-8的改為ansi的編碼。以下代碼就可以判斷檔案是什麼編碼方式。 

主要jar包：cpdetector.jar  

下載下傳位址http://cpdetector.sourceforge.net/ 

同時還需jchardet-1.0.jar這個包，否則detector.add(cpdetector.io.jchardetfacade.getinstance());  會報錯； 

下載下傳位址http://www.jarfinder.com/index.php/jars/versioninfo/40297 

還有一個antlr.jar，不然運作過程中detector.add(new parsingdetector(false));會報錯； 

下載下傳位址http://www.java2s.com/code/jar/abc/downloadantlrjar.htm 

import info.monitorenter.cpdetector.io.asciidetector;  

import info.monitorenter.cpdetector.io.codepagedetectorproxy;  

import info.monitorenter.cpdetector.io.jchardetfacade;  

import info.monitorenter.cpdetector.io.parsingdetector;  

import info.monitorenter.cpdetector.io.unicodedetector;  

import java.io.file;  

import java.nio.charset.charset;  

/** 

 *  

 */  

 * @author weict 

public class judgefilecode {  

    /** 

     * @param args 

     */  

    public static void main(string[] args) {  

        /*------------------------------------------------------------------------  

          detector是探測器，它把探測任務交給具體的探測實作類的執行個體完成。  

          cpdetector内置了一些常用的探測實作類，這些探測實作類的執行個體可以通過add方法  

          加進來，如parsingdetector、 jchardetfacade、asciidetector、unicodedetector。    

          detector按照“誰最先傳回非空的探測結果，就以該結果為準”的原則傳回探測到的  

          字元集編碼。  

        --------------------------------------------------------------------------*/  

        codepagedetectorproxy detector = codepagedetectorproxy.getinstance();  

        /*-------------------------------------------------------------------------  

          parsingdetector可用于檢查html、xml等檔案或字元流的編碼,構造方法中的參數用于  

          訓示是否顯示探測過程的詳細資訊，為false不顯示。  

        ---------------------------------------------------------------------------*/  

        detector.add(new parsingdetector(false));//如果不希望判斷xml的encoding，而是要判斷該xml檔案的編碼，則可以注釋掉  

        /*--------------------------------------------------------------------------  

           jchardetfacade封裝了由mozilla組織提供的jchardet，它可以完成大多數檔案的編碼  

           測定。是以，一般有了這個探測器就可滿足大多數項目的要求，如果你還不放心，可以  

           再多加幾個探測器，比如下面的asciidetector、unicodedetector等。  

          ---------------------------------------------------------------------------*/  

        detector.add(jchardetfacade.getinstance());  

        // asciidetector用于ascii編碼測定  

        detector.add(asciidetector.getinstance());  

        // unicodedetector用于unicode家族編碼的測定  

        detector.add(unicodedetector.getinstance());  

        charset charset = null;  

        file f = new file("檔案路徑");  

        try {  

            charset = detector.detectcodepage(f.tourl());  

        } catch (exception ex) {  

            ex.printstacktrace();  

        }  

        if (charset != null) {  

            system.out.println(f.getname() + "編碼是：" + charset.name());  

        } else {  

            system.out.println(f.getname() + "未知");  

    }  

}  

上面代碼中的detector不僅可以用于探測檔案的編碼，也可以探測任意輸入的文本流的編碼，方法是調用其重載形式： 

charset=detector.detectcodepage(待測的文本輸入流,測量該流所需的讀入位元組數);   

上面的位元組數由程式員指定，位元組數越多，判定越準确，當然時間也花得越長。要注意，位元組數的指定不能超過文本流的最大長度。 

  判定檔案編碼的具體應用舉例： 

  屬性檔案(.properties)是java程式中的常用文本存儲方式，象struts架構就是利用屬性檔案存儲程式中的字元串資源。它的内容如下所示： 

1. #注釋語句  

2. 屬性名=屬性值  

  讀入屬性檔案的一般方法是： 

fileinputstream ios=new fileinputstream("屬性檔案名");    

properties prop=new properties();    

prop.load(ios);    

ios.close();    

  利用java.io.properties的load方法讀入屬性檔案雖然友善，但如果屬性檔案中有中文，在讀入之後就會發現出現亂碼現象。發生這個原因是load方法使用位元組流讀入文本，在讀入後需要将位元組流編碼成為字元串，而它使用的編碼是“iso-8859-1”,這個字元集是ascii碼字元集，不支援中文編碼，是以這時需要使用顯式的轉碼: 

string value=prop.getproperty("屬性名");    

string encvalue=new string(value.getbytes("iso-8859-1"),"屬性檔案的實際編碼");    

  在上面的代碼中，屬性檔案的實際編碼就可以利用上面的方法獲得。當然，象這種屬性檔案是項目内部的，我們可以控制屬性檔案的編碼格式，比如約定采用windows内定的gbk，就直接利用"gbk"來轉碼，如果約定采用utf-8，也可以是使用"utf-8"直接轉碼。如果想靈活一些，做到自動探測編碼，就可利用上面介紹的方法測定屬性檔案的編碼，進而友善開發人員的工作。