小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

分享

JAVA判斷文件編碼類型

 yetao_study 2013-11-16

1:簡單判斷是UTF-8或不是UTF-8,因?yàn)橐话愠薝TF-8之外就是GBK,所以就設(shè)置默認(rèn)為GBK。

 按照給定的字符集存儲(chǔ)文件時(shí),在文件的最開頭的三個(gè)字節(jié)中就有可能存儲(chǔ)著編碼信息,所以,基本的原理就是只要讀出文件前三個(gè)字節(jié),判定這些字節(jié)的值,就可以得知其編碼的格式。其實(shí),如果項(xiàng)目運(yùn)行的平臺(tái)就是中文操作系統(tǒng),如果這些文本文件在項(xiàng)目內(nèi)產(chǎn)生,即開發(fā)人員可以控制文本的編碼格式,只要判定兩種常見的編碼就可以了:GBK和UTF-8。由于中文Windows默認(rèn)的編碼是GBK,所以一般只要判定UTF-8編碼格式。
   對于UTF-8編碼格式的文本文件,其前3個(gè)字節(jié)的值就是-17、-69、-65,所以,判定是否是UTF-8編碼格式的代碼片段如下:
          File file = new File(path);
          InputStream in= new java.io.FileInputStream(file);
          byte[] b = new byte[3];
          in.read(b);
          in.close();
          if (b[0] == -17 && b[1] == -69 && b[2] == -65)
              System.out.println(file.getName() + ":編碼為UTF-8");
          else
              System.out.println(file.getName() + ":可能是GBK,也可能是其他編碼");

2:若想實(shí)現(xiàn)更復(fù)雜的文件編碼檢測,可以使用一個(gè)開源項(xiàng)目cpdetector,它所在的網(wǎng)址是:http://cpdetector./。它的類庫很小,只有500K左右,cpDetector是基于統(tǒng)計(jì)學(xué)原理的,不保證完全正確,利用該類庫判定文本文件的代碼如下:

讀外部文件(先利用cpdetector檢測文件的編碼格式,然后用檢測到的編碼方式去讀文件):

	/**
	 * 利用第三方開源包c(diǎn)pdetector獲取文件編碼格式
	 * 
	 * @param path
	 *            要判斷文件編碼格式的源文件的路徑
	 * @author huanglei
	 * @version 2012-7-12 14:05
	 */
	public static String getFileEncode(String path) {
		/*
		 * detector是探測器,它把探測任務(wù)交給具體的探測實(shí)現(xiàn)類的實(shí)例完成。
		 * cpDetector內(nèi)置了一些常用的探測實(shí)現(xiàn)類,這些探測實(shí)現(xiàn)類的實(shí)例可以通過add方法 加進(jìn)來,如ParsingDetector、
		 * JChardetFacade、ASCIIDetector、UnicodeDetector。
		 * detector按照“誰最先返回非空的探測結(jié)果,就以該結(jié)果為準(zhǔn)”的原則返回探測到的
		 * 字符集編碼。使用需要用到三個(gè)第三方JAR包:antlr.jar、chardet.jar和cpdetector.jar
		 * cpDetector是基于統(tǒng)計(jì)學(xué)原理的,不保證完全正確。
		 */
		CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
		/*
		 * ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于
		 * 指示是否顯示探測過程的詳細(xì)信息,為false不顯示。
		 */
		detector.add(new ParsingDetector(false));
		/*
		 * JChardetFacade封裝了由Mozilla組織提供的JChardet,它可以完成大多數(shù)文件的編碼
		 * 測定。所以,一般有了這個(gè)探測器就可滿足大多數(shù)項(xiàng)目的要求,如果你還不放心,可以
		 * 再多加幾個(gè)探測器,比如下面的ASCIIDetector、UnicodeDetector等。
		 */
		detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar
		// 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());
		java.nio.charset.Charset charset = null;
		File f = new File(path);
		try {
			charset = detector.detectCodepage(f.toURI().toURL());
		} catch (Exception ex) {
			ex.printStackTrace();
		}
		if (charset != null)
			return charset.name();
		else
			return null;
	}
String charsetName = getFileEncode(configFilePath);
System.out.println(charsetName);
inputStream = new FileInputStream(configFile);
BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));


讀jar包內(nèi)部資源文件(先利用cpdetector檢測jar內(nèi)部的資源文件的編碼格式,然后以檢測到的編碼方式去讀文件):

	/**
	 * 利用第三方開源包c(diǎn)pdetector獲取URL對應(yīng)的文件編碼
	 * 
	 * @param path
	 *            要判斷文件編碼格式的源文件的URL
	 * @author huanglei
	 * @version 2012-7-12 14:05
	 */
	public static String getFileEncode(URL url) {
		/*
		 * detector是探測器,它把探測任務(wù)交給具體的探測實(shí)現(xiàn)類的實(shí)例完成。
		 * cpDetector內(nèi)置了一些常用的探測實(shí)現(xiàn)類,這些探測實(shí)現(xiàn)類的實(shí)例可以通過add方法 加進(jìn)來,如ParsingDetector、
		 * JChardetFacade、ASCIIDetector、UnicodeDetector。
		 * detector按照“誰最先返回非空的探測結(jié)果,就以該結(jié)果為準(zhǔn)”的原則返回探測到的
		 * 字符集編碼。使用需要用到三個(gè)第三方JAR包:antlr.jar、chardet.jar和cpdetector.jar
		 * cpDetector是基于統(tǒng)計(jì)學(xué)原理的,不保證完全正確。
		 */
		CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
		/*
		 * ParsingDetector可用于檢查HTML、XML等文件或字符流的編碼,構(gòu)造方法中的參數(shù)用于
		 * 指示是否顯示探測過程的詳細(xì)信息,為false不顯示。
		 */
		detector.add(new ParsingDetector(false));
		/*
		 * JChardetFacade封裝了由Mozilla組織提供的JChardet,它可以完成大多數(shù)文件的編碼
		 * 測定。所以,一般有了這個(gè)探測器就可滿足大多數(shù)項(xiàng)目的要求,如果你還不放心,可以
		 * 再多加幾個(gè)探測器,比如下面的ASCIIDetector、UnicodeDetector等。
		 */
		detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar
		// 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());
		java.nio.charset.Charset charset = null;
		try {
			charset = detector.detectCodepage(url);
		} catch (Exception ex) {
			ex.printStackTrace();
		}
		if (charset != null)
			return charset.name();
		else
			return null;
	}
URL url = CreateStationTreeModel.class.getResource("/resource/" + "配置文件");
URLConnection urlConnection = url.openConnection();
inputStream=urlConnection.getInputStream();
String charsetName = getFileEncode(url);
System.out.println(charsetName);
BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));

3:探測任意輸入的文本流的編碼,方法是調(diào)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字節(jié)數(shù)); 

上面的字節(jié)數(shù)由程序員指定,字節(jié)數(shù)越多,判定越準(zhǔn)確,當(dāng)然時(shí)間也花得越長。要注意,字節(jié)數(shù)的指定不能超過文本流的最大長度。

4:判定文件編碼的具體應(yīng)用舉例:

    屬性文件(.properties)是Java程序中的常用文本存儲(chǔ)方式,象STRUTS框架就是利用屬性文件存儲(chǔ)程序中的字符串資源。它的內(nèi)容如下所示:
    #注釋語句
    屬性名=屬性值
    讀入屬性文件的一般方法是:
      FileInputStream ios=new FileInputStream(“屬性文件名”);
      Properties prop=new Properties();
      prop.load(ios);
      String value=prop.getProperty(“屬性名”);
      ios.close();
    利用java.io.Properties的load方法讀入屬性文件雖然方便,但如果屬性文件中有中文,在讀入之后就會(huì)發(fā)現(xiàn)出現(xiàn)亂碼現(xiàn)象。發(fā)生這個(gè)原因是load方法使用字節(jié)流讀入文本,在讀入后需要將字節(jié)流編碼成為字符串,而它使用的編碼是“iso-8859-1”,這個(gè)字符集是ASCII碼字符集,不支持中文編碼,
    方法一:使用顯式的轉(zhuǎn)碼:
       String value=prop.getProperty(“屬性名”);
       String encValue=new String(value.getBytes(“iso-8859-1″),”屬性文件的實(shí)際編碼”);
    方法二:象這種屬性文件是項(xiàng)目內(nèi)部的,我們可以控制屬性文件的編碼格式,比如約定采用Windows內(nèi)定的GBK,就直接利用”gbk”來轉(zhuǎn)碼,     如果約定采用UTF-8,就使用”UTF-8″直接轉(zhuǎn)碼。
    方法三:如果想靈活一些,做到自動(dòng)探測編碼,就可利用上面介紹的方法測定屬性文件的編碼,從而方便開發(fā)人員的工作
    
補(bǔ)充:可以用下面代碼獲得Java支持編碼集合:
    Charset.availableCharsets().keySet();
    可以用下面的代碼獲得系統(tǒng)默認(rèn)編碼:
    Charset.defaultCharset();

    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點(diǎn)。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點(diǎn)擊一鍵舉報(bào)。
    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多