java判断文件编码 终于弄懂了编码是怎么回事

对于UTF-8编码格式的文本文件，其前3个字节的值就是-17、-69、-65，所以，判定是否是UTF-8编码格式的代码片段如下：
   1. java.io.File f=new java.io.File("待判定的文本文件名");  
   2. try{  
   3.   java.io.InputStream ios=new java.io.FileInputStream(f);  
   4.   byte[] b=new byte[3];  
   5.   ios.read(b);  
   6.   ios.close();  
   7.   if(b[0]==-17&&b[1]==-69&&b[2]==-65)  
   8.      System.out.println(f.getName()+"编码为UTF-8");  
   9.   else System.out.println(f.getName()+"可能是GBK");  
  10. }catch(Exception e){  
  11.    e.printStackTrace();  
  12. }  
可以采用一个现成的开源项目：cpdetector利用该类库判定文本文件的代码如下：
   1. /*------------------------------------------------------------------------ 
   2.   detector是探测器，它把探测任务交给具体的探测实现类的实例完成。 
   3.   cpDetector内置了一些常用的探测实现类，这些探测实现类的实例可以通过add方法 
   4.   加进来，如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。   
   5.   detector按照“谁最先返回非空的探测结果，就以该结果为准”的原则返回探测到的 
   6.   字符集编码。 
   7. --------------------------------------------------------------------------*/ 
   8. cpdetector.io.CodepageDetectorProxy detector =  
   9. cpdetector.io.CodepageDetectorProxy.getInstance();  
  10. /*------------------------------------------------------------------------- 
  11.   ParsingDetector可用于检查HTML、XML等文件或字符流的编码,构造方法中的参数用于 
  12.   指示是否显示探测过程的详细信息，为false不显示。 
  13. ---------------------------------------------------------------------------*/ 
  14. detector.add(new cpdetector.io.ParsingDetector(false));   
  15. /*-------------------------------------------------------------------------- 
  16.   JChardetFacade封装了由Mozilla组织提供的JChardet，它可以完成大多数文件的编码 
  17.   测定。所以，一般有了这个探测器就可满足大多数项目的要求，如果你还不放心，可以 
  18.   再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。 
  19.  ---------------------------------------------------------------------------*/   
  20. detector.add(cpdetector.io.JChardetFacade.getInstance());  
  21. //ASCIIDetector用于ASCII编码测定  
  22. detector.add(cpdetector.io.ASCIIDetector.getInstance());  
  23. //UnicodeDetector用于Unicode家族编码的测定  
  24. detector.add(cpdetector.io.UnicodeDetector.getInstance());  
  25. java.nio.charset.Charset charset = null;  
  26. File f=new File("待测的文本文件名");  
  27. try {  
  28.       charset = detector.detectCodepage(f.toURL());  
  29. } catch (Exception ex) {ex.printStackTrace();}  
  30. if(charset!=null){  
  31.      System.out.println(f.getName()+"编码是："+charset.name());  
  32. }else 
  33.     System.out.println(f.getName()+"未知"); 

  /*------------------------------------------------------------------------
    detector是探测器，它把探测任务交给具体的探测实现类的实例完成。
    cpDetector内置了一些常用的探测实现类，这些探测实现类的实例可以通过add方法
    加进来，如ParsingDetector、 JChardetFacade、ASCIIDetector、UnicodeDetector。 
    detector按照“谁最先返回非空的探测结果，就以该结果为准”的原则返回探测到的
    字符集编码。
  --------------------------------------------------------------------------*/
  cpdetector.io.CodepageDetectorProxy detector =
  cpdetector.io.CodepageDetectorProxy.getInstance();
  /*-------------------------------------------------------------------------
    ParsingDetector可用于检查HTML、XML等文件或字符流的编码,构造方法中的参数用于
    指示是否显示探测过程的详细信息，为false不显示。
  ---------------------------------------------------------------------------*/
  detector.add(new cpdetector.io.ParsingDetector(false));
  /*--------------------------------------------------------------------------
    JChardetFacade封装了由Mozilla组织提供的JChardet，它可以完成大多数文件的编码
    测定。所以，一般有了这个探测器就可满足大多数项目的要求，如果你还不放心，可以
    再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。
   ---------------------------------------------------------------------------*/
  detector.add(cpdetector.io.JChardetFacade.getInstance());
  //ASCIIDetector用于ASCII编码测定
  detector.add(cpdetector.io.ASCIIDetector.getInstance());
  //UnicodeDetector用于Unicode家族编码的测定
  detector.add(cpdetector.io.UnicodeDetector.getInstance());
  java.nio.charset.Charset charset = null;
  File f=new File("待测的文本文件名");
  try {
        charset = detector.detectCodepage(f.toURL());
  } catch (Exception ex) {ex.printStackTrace();}
  if(charset!=null){
       System.out.println(f.getName()+"编码是："+charset.name());
  }else
      System.out.println(f.getName()+"未知");


上面代码中的detector不仅可以用于探测文件的编码，也可以探测任意输入的文本流的编码，方法是调用其重载形式：
Java代码 复制代码

   1. charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数); 

charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数);


上面的字节数由程序员指定，字节数越多，判定越准确，当然时间也花得越长。要注意，字节数的指定不能超过文本流的最大长度。

  判定文件编码的具体应用举例：
  属性文件(.properties)是Java程序中的常用文本存储方式，象STRUTS框架就是利用属性文件存储程序中的字符串资源。它的内容如下所示：

Java代码 复制代码

   1. #注释语句  
   2. 属性名=属性值  

   #注释语句
   属性名=属性值
 


  读入属性文件的一般方法是：

Java代码 复制代码

   1. FileInputStream ios=new FileInputStream("属性文件名");  
   2. Properties prop=new Properties();  
   3. prop.load(ios);  
   4. ios.close();  

  FileInputStream ios=new FileInputStream("属性文件名");
  Properties prop=new Properties();
  prop.load(ios);
  ios.close();
 


  利用java.io.Properties 的load方法读入属性文件虽然方便，但如果属性文件中有中文，在读入之后就会发现出现乱码现象。发生这个原因是load方法使用字节流读入文本，在读入 后需要将字节流编码成为字符串，而它使用的编码是“iso-8859-1”,这个字符集是ASCII码字符集，不支持中文编码，所以这时需要使用显式的转 码:
Java代码 复制代码

   1. String value=prop.getProperty("属性名");  
   2. String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");