Java自动获取文件和文件流编码

在读取文件时,如果不清楚文件编码或者在不同的编码环境拷贝文件,这时中文数据很可能会出现乱码,参考了博客:http://blog.csdn.net/servermanage/article/details/8595676,有了如下的代码:

​
/**
 * 检测文件的编码和文本流的编码
 * 参考: http://blog.csdn.net/servermanage/article/details/8595676
 * @author Administrator
 *
 */
public class CpdetectorUtils {
    //获取文本编码
    private static final String FILE_ENCODE_TYPE = "file";
    //获取文件流编码
    private static final String IO_ENCODE_TYPE = "io";
    /** 
     * 获取探测到的文件对象
     * 
     * @param path
     *            要判断文件编码格式的源文件的路径
     */
    private  CodepageDetectorProxy getDetector() {
        /*
         * 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。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar
         * cpDetector是基于统计学原理的，不保证完全正确。
         */
        CodepageDetectorProxy detector = 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 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(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar
        // ASCIIDetector用于ASCII编码测定
        detector.add(ASCIIDetector.getInstance());
        // UnicodeDetector用于Unicode家族编码的测定
        detector.add(UnicodeDetector.getInstance());
        
        return detector;
    }
    
    /**
     * 根据"encodeType"获取文本编码或文件流编码
     */
    public String getFileOrIOEncode(String path,String encodeType){
        CodepageDetectorProxy detector = getDetector();
        File file = new File(path);
        Charset charset = null;
        try {
            switch (encodeType) {
            case FILE_ENCODE_TYPE:
                charset = detector.detectCodepage(file.toURI().toURL());
                break;
            case IO_ENCODE_TYPE:
                charset = detector.detectCodepage(new BufferedInputStream(new FileInputStream(file)),128);//128表示读取128字节来判断文件流的编码,读得越多越精确,但是速度慢
                break;
            default:
                charset = Charset.defaultCharset();
                break;
            }
            
        } catch (IOException e) {
            //这里获取编码失败,使用系统默认的编码
            charset = Charset.defaultCharset();
            System.out.println(e.getMessage());
        }
        return charset.name();
    }
    
    @Test
    public void test(){
        String path = "F:/DevelopmentSoftware/2016-04-18至2016-04-24记录.txt";
        System.out.println("文件编码: " + getFileOrIOEncode(path, FILE_ENCODE_TYPE));
        System.out.println("文件流编码: " + getFileOrIOEncode(path, IO_ENCODE_TYPE));
    }
    
}

​

测试结果如下:

文件编码: GB2312
文件流编码: GB2312
尤其要注意在获取文件流编码时,重载方法detector.detectCodepage(new BufferedInputStream(new FileInputStream(file)),128);的第一个参数必须是包装的高级流,如果是FileInputStream会包参数异常错误.

​