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.
