java自动识别用户上传的文本文件编码

Posted 2020-09-23 起个名字好难

原文：http://www.open-open.com/code/view/1420514359234

 

 

经常碰到用户上传的部分数据文本文件乱码问题,又不能限制用户的上传的文件编码格式(这样对客户的要求可能比较高), 只好自己想办法.  找了一部分java获取文件编码的.  

  要么就是识别错误. 要么就是只有一小段的代码,也不说具体引用了什么...我就在这里分享一下吧. 工具类就一个方法. main测试方法我就不写了.

 貌似还不能上传附件...就弄到我的资源里去吧.  

引用了.这两个jar类.

chardet.jar

cpdetector_1.0.10.jar

package com.dxx.buscredit.common.util;  
      
    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;  
      
    public class FileCharsetDetector {  
      
        /** 
         * 利用第三方开源包cpdetector获取文件编码格式. 
         * @param filePath 
         * @return 
         */  
        public static String getFileEncode(File file) {  
            /** 
             * <pre> 
             * 1、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.  
             * 2、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.  
             * 3、cpDetector是基于统计学原理的,不保证完全正确. 
             * </pre> 
             */  
            CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
              
            detector.add(new ParsingDetector(false));  
            detector.add(UnicodeDetector.getInstance());  
            detector.add(JChardetFacade.getInstance());//内部引用了 chardet.jar的类  
            detector.add(ASCIIDetector.getInstance());  
              
            Charset charset = null;  
            try {  
                charset = detector.detectCodepage(file.toURI().toURL());  
            } catch (Exception e) {  
                e.printStackTrace();  
            }  
              
            //默认为GBK  
            String charsetName = "GBK";  
            if (charset != null) {  
                if (charset.name().equals("US-ASCII")) {  
                    charsetName = "ISO_8859_1";  
                } else{  
                    charsetName = charset.name();  
                }  
            }  
            return charsetName;  
        }  
    }