精华内容
下载资源
问答
  • Java判断文件编码格式

    千次阅读 2013-02-20 18:38:03
     按照给定的字符集存储文件时,在文件的最开头的三个字节中就有可能存储着编码信息,所以,基本的原理就是只要读出文件前三个字节,判定这些字节的值,就可以得知其编码的格式。其实,如果项目运行的平台就是中文...

    1:简单判断是UTF-8或不是UTF-8,因为一般除了UTF-8之外就是GBK,所以就设置默认为GBK。

        按照给定的字符集存储文件时,在文件的最开头的三个字节中就有可能存储着编码信息,所以,基本的原理就是只要读出文件前三个字节,判定这些字节的值,就可以得知其编码的格式。其实,如果项目运行的平台就是中文操作系统,如果这些文本文件在项目内产生,即开发人员可以控制文本的编码格式,只要判定两种常见的编码就可以了:GBK和UTF-8。由于中文Windows默认的编码是GBK,所以一般只要判定UTF-8编码格式。
        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:

    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() + ":编码为UTF-8");
    else
    System.out.println(file.getName() + ":可能是GBK,也可能是其他编码");

    通过这个方法,只要知道文件头存储的编码信息,可以类似判断文件是否是某一编码格式的文件,不再限于是否是utf-8,就不在赘述。注意这个方法的局限:文件头必须有文件存储编码的信息,对于不规范的文件或被篡改过的就另当别论,呵呵。

    2:更复杂的文件编码检测,可以使用一个开源项目cpdetector,它所在的网址是:http://cpdetector.sourceforge.net/。它的类库很小,只有500K左右,cpDetector是基于统计学原理的,不保证完全正确,利用该类库判定文本文件的代码如下:

    读外部文件(先利用cpdetector检测文件的编码格式,然后用检测到的编码方式去读文件)

    /** 
    	 * 利用第三方开源包cpdetector获取文件编码格式
    	 * 
    	 * @param path
    	 *            要判断文件编码格式的源文件的路径
    	 */
    	public static String getFileEncode(String path) {
    		/*
    		 * 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());
    		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));
    

    读jar包内部资源文件(先利用cpdetector检测jar内部的资源文件的编码格式,然后以检测到的编码方式去读文件):

    /**
    	 * 利用第三方开源包cpdetector获取URL对应的文件编码
    	 * 
    	 * @param path
    	 *            要判断文件编码格式的源文件的URL
    	 */
    	public static String getFileEncode(URL url) {
    		/*
    		 * 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());
    		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:探测任意输入的文本流的编码,方法是调用其重载形式:

    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。

    4: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:
        #注释语句
        属性名=属性值
        读入属性文件的一般方法是:

    FileInputStream ios=new FileInputStream(“属性文件名”);
    Properties prop=new Properties();
    prop.load(ios);
    String value=prop.getProperty(“属性名”);
    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,
        方法一:使用显式的转码:

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

        方法二:象这种属性文件是项目内部的,我们可以控制属性文件的编码格式,比如约定采用Windows内定的GBK,就直接利用”gbk”来转码,     如果约定采用UTF-8,就使用”UTF-8″直接转码。
        方法三:如果想灵活一些,做到自动探测编码,就可利用上面介绍的方法测定属性文件的编码,从而方便开发人员的工作
        补充:可以用下面代码获得Java支持编码集合:
        Charset.availableCharsets().keySet();
        可以用下面的代码获得系统默认编码:
        Charset.defaultCharset();


    展开全文
  • java 判断文件编码格式(支持zip)

    万次阅读 2018-02-02 22:20:34
    java 判断文件编码格式(支持zip) 前言: 最近在工作过程中遇到了这样的问题: 通过文件上传,需要导入zip包中的文件信息。 由于使用的是apache的ant.jar中的ZipFile类、ZipEntry类。由于目前该工具类并不能判断...

    java 判断文件编码格式(支持zip)

    前言:

        最近在工作过程中遇到了这样的问题: 通过文件上传,需要导入zip包中的文件信息。
    由于使用的是apache的ant.jar中的ZipFile类、ZipEntry类。由于目前该工具类并不能判断zip中每个文件的具体的编码,
    导致解析时出现中文乱码。通过查找资料发现借鉴使用第三方工具cpDetector解决。因此在此做个记录。
        若想实现更复杂的文件编码检测,可以使用一个开源项目cpdetector,
        网址: http://cpdetector.sourceforge.net
    它的类库很小,只有500K左右,cpDetector是基于统计学原理的,不保证完全正确,利用该类库判定文本文件的代码如下:
    

    准备条件

    - 需要的jar包:cpdetector_1.0.10.jar、antlr-2.7.4.jar、chardet-1.0.jar、jargs-1.0.jar
    - 源码:cpdetector_1.0.10_binary.zip
    - 相关资料:https://www.cnblogs.com/king1302217/p/4003060.html 
    

    具体实现

        在此摸索过程中遇到的问题:  查找了网上的参考例子,但是几乎所有的都是直接处理针对File对象的处理。
    没有针对zip文件的相关处理逻辑。并且由于apache的ZipFile 、 以及它内部的文件对象ZipEntry不能使用url方式。
    于是查看底层实现代码发现可以用此: 
        **charset = detector.detectCodepage(bis, Integer.MAX_VALUE);// zip 判断的关键代码**
    

    注意:
        直接使用zipFile.getInputStream(zipEntry) 得到的inputStream流不支持mark()方法。
        但是cpdetector底层需要用此方法.后来查找发现底层其实有类似场景的特殊处理:
        若是不支持mark()则可以把inputStream包装成支持的BufferedInputStream即可。如下:
    

    这里写图片描述

    具体代码如下:

    
    import java.io.BufferedInputStream;
    import java.io.File;
    import java.io.IOException;
    import java.io.InputStream;
    import java.net.URL;
    import java.nio.charset.Charset;
    
    import org.slf4j.Logger;
    import org.slf4j.LoggerFactory;
    
    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;
    /**
     * 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,
     *    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.
     */
    public class FileCharsetDetector {
        private static final Logger logger = LoggerFactory.getLogger(FileCharsetDetector.class);
    
        /**
         * 利用第三方开源包cpdetector获取文件编码格式.
         * 
         * @param is
         *            InputStream 输入流
         * @return
         */
        public static String getFileEncode(InputStream is) {
            //    begin     此段为zip格式文件的处理关键
            BufferedInputStream bis = null;
            if (is instanceof BufferedInputStream) {
                bis = (BufferedInputStream) is;
            } else {
                bis = new BufferedInputStream(is);
            }
            //   end
    
            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(bis, Integer.MAX_VALUE);// zip 判断的关键代码
            } catch (Exception e) {
                logger.error(e.getMessage(), e);
            } finally {
                if (bis != null) {
                    try {
                        bis.close();
                    } catch (IOException e) {
                        logger.error(e.getMessage(), e);
                    }
                }
            }
    
            // 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;
        }
    
    
        public static String getFileEncode(File  file) {
            CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
    
            detector.add(new ParsingDetector(false));
            detector.add(UnicodeDetector.getInstance());
            detector.add(JChardetFacade.getInstance());
            detector.add(ASCIIDetector.getInstance());
    
            Charset charset = null;
            try {
                charset = detector.detectCodepage(file.toURI().toURL());
            } catch (Exception e) {
                logger.error(e.getMessage(), e);
            } 
    
            // 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;
        }
    
    }
    展开全文
  • java判断文件编码格式 三方工具包 cpdetector_1.0.10.jar
  • java判断文本文件编码格式

    万次阅读 2019-08-06 09:32:00
    上篇文章需要读取当前java或者配置文件的编码... * 判断文件的编码格式 * @param fileName :file * @return 文件编码格式 * @throws Exception */ public static String codeString(File fileName) thro...

    上篇文章需要读取当前java或者配置文件的编码格式,这里主要支持UTF-8、GBK、UTF-16、Unicode等

    /**
    	 * 判断文件的编码格式
    	 * @param fileName :file
    	 * @return 文件编码格式
    	 * @throws Exception
    	 */
    	public static String codeString(File fileName) throws Exception{
    		BufferedInputStream bin = new BufferedInputStream(
    		new FileInputStream(fileName));
    		int p = (bin.read() << 8) + bin.read();
    		String code = null;
    		
    		switch (p) {
    			case 0xefbb:
    				code = "UTF-8";
    				break;
    			case 0xfffe:
    				code = "Unicode";
    				break;
    			case 0xfeff:
    				code = "UTF-16BE";
    				break;
    			default:
    				code = "GBK";
    		}
    		IOUtils.closeQuietly(bin);
    		return code;
    	}
    

    上面这段代码只能判断带bom的文本,如果非bom文本,还有两种方式
    1、 轮询常用的编码,知道找到匹配的,如下面一段测试代码

      
    
    /*
     *  Copyright 2010 Georgios Migdos <cyberpython@gmail.com>.
     * 
     *  Licensed under the Apache License, Version 2.0 (the "License");
     *  you may not use this file except in compliance with the License.
     *  You may obtain a copy of the License at
     * 
     *       http://www.apache.org/licenses/LICENSE-2.0
     * 
     *  Unless required by applicable law or agreed to in writing, software
     *  distributed under the License is distributed on an "AS IS" BASIS,
     *  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
     *  See the License for the specific language governing permissions and
     *  limitations under the License.
     *  under the License.
     */
    
    import java.io.BufferedInputStream;
    import java.io.File;
    import java.io.FileInputStream;
    import java.io.FileNotFoundException;
    import java.io.IOException;
    import java.io.InputStreamReader;
    import java.nio.ByteBuffer;
    import java.nio.charset.CharacterCodingException;
    import java.nio.charset.Charset;
    import java.nio.charset.CharsetDecoder;
    
    /**
     *
     * @author Georgios Migdos <cyberpython@gmail.com>
     */
    public class CharsetDetector {
    
        public Charset detectCharset(File f, String[] charsets) {
    
            Charset charset = null;
    
            for (String charsetName : charsets) {
                charset = detectCharset(f, Charset.forName(charsetName));
                if (charset != null) {
                    break;
                }
            }
    
            return charset;
        }
    
        private Charset detectCharset(File f, Charset charset) {
            try {
                BufferedInputStream input = new BufferedInputStream(new FileInputStream(f));
    
                CharsetDecoder decoder = charset.newDecoder();
                decoder.reset();
    
                byte[] buffer = new byte[512];
                boolean identified = false;
                while ((input.read(buffer) != -1) && (!identified)) {
                    identified = identify(buffer, decoder);
                }
    
                input.close();
    
                if (identified) {
                    return charset;
                } else {
                    return null;
                }
    
            } catch (Exception e) {
                return null;
            }
        }
    
        private boolean identify(byte[] bytes, CharsetDecoder decoder) {
            try {
                decoder.decode(ByteBuffer.wrap(bytes));
            } catch (CharacterCodingException e) {
                return false;
            }
            return true;
        }
    
        public static void main(String[] args) {
            File f = new File("example.txt");
    
            String[] charsetsToBeTested = {"UTF-8", "windows-1253", "ISO-8859-7"};
    
            CharsetDetector cd = new CharsetDetector();
            Charset charset = cd.detectCharset(f, charsetsToBeTested);
    
            if (charset != null) {
                try {
                    InputStreamReader reader = new InputStreamReader(new FileInputStream(f), charset);
                    int c = 0;
                    while ((c = reader.read()) != -1) {
                        System.out.print((char)c);
                    }
                    reader.close();
                } catch (FileNotFoundException fnfe) {
                    fnfe.printStackTrace();
                }catch(IOException ioe){
                    ioe.printStackTrace();
                }
    
            }else{
                System.out.println("Unrecognized charset.");
            }
        }
    }
        
    

    2、 使用谷歌依赖库来进行判断
    https://code.google.com/archive/p/juniversalchardet/

    展开全文
  • java判断文件编码格式

    千次阅读 2013-09-04 14:19:45
     按照给定的字符集存储文件时,在文件的最开头的三个字节中就有可能存储着编码信息,所以,基本的原理就是只要读出文件前三个字节,判定这些字节的值,就可以得知其编码的格式。其实,如果项目运行的平台就是中文...

    1:简单判断是UTF-8或不是UTF-8,因为一般除了UTF-8之外就是GBK,所以就设置默认为GBK。

     按照给定的字符集存储文件时,在文件的最开头的三个字节中就有可能存储着编码信息,所以,基本的原理就是只要读出文件前三个字节,判定这些字节的值,就可以得知其编码的格式。其实,如果项目运行的平台就是中文操作系统,如果这些文本文件在项目内产生,即开发人员可以控制文本的编码格式,只要判定两种常见的编码就可以了:GBK和UTF-8。由于中文Windows默认的编码是GBK,所以一般只要判定UTF-8编码格式。
       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:
    [java]  view plain copy
    1. File file = new File(path);  
    2. InputStream in= new java.io.FileInputStream(file);  
    3. byte[] b = new byte[3];  
    4. in.read(b);  
    5. in.close();  
    6. if (b[0] == -17 && b[1] == -69 && b[2] == -65)  
    7.     System.out.println(file.getName() + ":编码为UTF-8");  
    8. else  
    9.     System.out.println(file.getName() + ":可能是GBK,也可能是其他编码");  

    2:若想实现更复杂的文件编码检测,可以使用一个开源项目cpdetector,它所在的网址是:http://cpdetector.sourceforge.net/。它的类库很小,只有500K左右,cpDetector是基于统计学原理的,不保证完全正确,利用该类库判定文本文件的代码如下:

    读外部文件(先利用cpdetector检测文件的编码格式,然后用检测到的编码方式去读文件):

    [java]  view plain copy
    1. /** 
    2.  * 利用第三方开源包cpdetector获取文件编码格式 
    3.  *  
    4.  * @param path 
    5.  *            要判断文件编码格式的源文件的路径 
    6.  * @author huanglei 
    7.  * @version 2012-7-12 14:05 
    8.  */  
    9. public static String getFileEncode(String path) {  
    10.     /* 
    11.      * 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。 
    12.      * 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、 
    13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
    14.      * 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 
    15.      * 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 
    16.      * cpDetector是基于统计学原理的,不保证完全正确。 
    17.      */  
    18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
    19.     /* 
    20.      * 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 
    21.      * 指示是否显示探测过程的详细信息,为false不显示。 
    22.      */  
    23.     detector.add(new ParsingDetector(false));  
    24.     /* 
    25.      * 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 
    26.      * 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 
    27.      * 再多加几个探测器,比如下面的ASCIIDetector、UnicodeDetector等。 
    28.      */  
    29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
    30.     // ASCIIDetector用于ASCII编码测定  
    31.     detector.add(ASCIIDetector.getInstance());  
    32.     // UnicodeDetector用于Unicode家族编码的测定  
    33.     detector.add(UnicodeDetector.getInstance());  
    34.     java.nio.charset.Charset charset = null;  
    35.     File f = new File(path);  
    36.     try {  
    37.         charset = detector.detectCodepage(f.toURI().toURL());  
    38.     } catch (Exception ex) {  
    39.         ex.printStackTrace();  
    40.     }  
    41.     if (charset != null)  
    42.         return charset.name();  
    43.     else  
    44.         return null;  
    45. }  
    [java]  view plain copy
    1. String charsetName = getFileEncode(configFilePath);  
    2. System.out.println(charsetName);  
    3. inputStream = new FileInputStream(configFile);  
    4. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  


    读jar包内部资源文件(先利用cpdetector检测jar内部的资源文件的编码格式,然后以检测到的编码方式去读文件):

    [java]  view plain copy
    1. /** 
    2.  * 利用第三方开源包cpdetector获取URL对应的文件编码 
    3.  *  
    4.  * @param path 
    5.  *            要判断文件编码格式的源文件的URL 
    6.  * @author huanglei 
    7.  * @version 2012-7-12 14:05 
    8.  */  
    9. public static String getFileEncode(URL url) {  
    10.     /* 
    11.      * 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。 
    12.      * 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、 
    13.      * JChardetFacade、ASCIIDetector、UnicodeDetector。 
    14.      * 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 
    15.      * 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 
    16.      * cpDetector是基于统计学原理的,不保证完全正确。 
    17.      */  
    18.     CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();  
    19.     /* 
    20.      * 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 
    21.      * 指示是否显示探测过程的详细信息,为false不显示。 
    22.      */  
    23.     detector.add(new ParsingDetector(false));  
    24.     /* 
    25.      * 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 
    26.      * 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 
    27.      * 再多加几个探测器,比如下面的ASCIIDetector、UnicodeDetector等。 
    28.      */  
    29.     detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar  
    30.     // ASCIIDetector用于ASCII编码测定  
    31.     detector.add(ASCIIDetector.getInstance());  
    32.     // UnicodeDetector用于Unicode家族编码的测定  
    33.     detector.add(UnicodeDetector.getInstance());  
    34.     java.nio.charset.Charset charset = null;  
    35.     try {  
    36.         charset = detector.detectCodepage(url);  
    37.     } catch (Exception ex) {  
    38.         ex.printStackTrace();  
    39.     }  
    40.     if (charset != null)  
    41.         return charset.name();  
    42.     else  
    43.         return null;  
    44. }  
    [java]  view plain copy
    1. URL url = CreateStationTreeModel.class.getResource("/resource/" + "配置文件");  
    2. URLConnection urlConnection = url.openConnection();  
    3. inputStream=urlConnection.getInputStream();  
    4. String charsetName = getFileEncode(url);  
    5. System.out.println(charsetName);  
    6. BufferedReader in = new BufferedReader(new InputStreamReader(inputStream, charsetName));  

    3:探测任意输入的文本流的编码,方法是调用其重载形式: 

    [java]  view plain copy
    1. 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。

    4: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:
          #注释语句
        属性名=属性值
          读入属性文件的一般方法是:
    [java]  view plain copy
    1. FileInputStream ios=new FileInputStream(“属性文件名”);  
    2. Properties prop=new Properties();  
    3. prop.load(ios);  
    4. String value=prop.getProperty(“属性名”);  
    5. 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,
         方法一:使用显式的转码:
    [java]  view plain copy
    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”);  
           方法二:象这种属性文件是项目内部的,我们可以控制属性文件的编码格式,比如约定采用Windows内定的GBK,就直接利用”gbk”来转码,     如果约定采用UTF-8,就使用”UTF-8″直接转码。
         方法三:如果想灵活一些,做到自动探测编码,就可利用上面介绍的方法测定属性文件的编码,从而方便开发人员的工作
          
    补充:可以用下面代码获得Java支持编码集合:
          Charset.availableCharsets().keySet();
          可以用下面的代码获得系统默认编码:
          Charset.defaultCharset();
    展开全文
  • java根据文件头判断文件格式

    千次阅读 2017-05-23 15:57:32
    //比较前几位是否相同就可以判断文件格式(相同格式文件文件头后面几位会有所变化) if(key.toLowerCase().startsWith(fileCode.toLowerCase()) || fileCode.toLowerCase().startsWith(key.toLowerCase())){ res...
  • 如果很多时候我们没有约定好文件格式,我们就难以读取文件内容,此时,我们就需要一个工具来探测所读文本的编码格式,此工具可以允许用户读取诸如utf-8,gbk,gb2312一类的文件格式。内置了一些常用的探测实现类,...
  • java判断文件的编码格式

    千次阅读 2018-04-29 02:09:45
    最近项目中遇到需要读取50万个json文件文件的编码格式有多种UTF-8,GBK等。开始没有发现有多种编码格式文件,导致解析数据时出现乱码。找了多很资料都不行。最后再这个...
  • java判断文件类型

    万次阅读 2019-05-28 16:10:59
    判断文件类型 在上传文件,判断文件类型的时候,往往会通过后缀名和头部信息判断,前者大大不靠谱,后者个别类型的文件不太好判断。这里推荐apache的一款tika,可以做文件判断还可以更强大的做内容解析。一下写出两...
  • JAVA判断文件的真实类型

    千次阅读 2018-07-03 16:45:20
    在文件传输过程中,为了安全验证,对于手工改动文件后缀名产生的伪造...java判断文件真实类型依靠的是文件的头部编码信息,具体代码如下:import java.io.FileInputStream; import java.io.IOException; import ja...
  • Java 判断上传文件格式是否是有效的

    千次阅读 2017-09-13 09:26:24
    * 判断文件格式是否是有效的 * * @return true : 有效 false :文件格式错误 */ public boolean checkFileIsValid(MultipartFile file) { String fileName = file.getOriginalFilename();// 文件名 ...
  • * base64字符串转写为文件 * * @param base64ImgData * @param filePath * @throws IOException */ public static void convertBase64DataToImage(String base64ImgData, String filePath) throws ...
  • Java判断邮箱格式是否正确

    千次阅读 2020-01-11 22:38:33
    Java判断邮箱格式是否正确
  • Java判断文件是否为图片

    万次阅读 2017-04-21 11:23:45
    1.判断文件后缀名 String extension = &amp;amp;quot;&amp;amp;quot;; int i = fileName.lastIndexOf('.'); if (i &amp;amp;amp;gt; 0) { extension = fileName.substring(i+1); } //... if(&...
  • java判断文件的真实类型

    万次阅读 2016-07-17 15:58:33
    在文件传输过程中,为了安全验证,对于手工改动文件后缀名产生的伪造文件进行...java判断文件真实类型依靠的是文件的头部编码信息,具体代码如下: package com.zhuifeng.util.excel; import java.io.FileInputStrea
  • 主要介绍了Java判断上传图片格式的实例代码,在文中给大家提到了Java使用文件头的类型判断上传的文件是否为图片类型,需要的朋友可以参考下
  • Java判断文件类型

    千次阅读 2017-07-11 16:07:20
    2. 通过读取文件,获取文件的Content-type来判断。 3. 通过读取文件流,根据文件流中特定的一些字节标识来区分不同类型的文件。 4. 若是图片,则通过缩放来判断,可以缩放的为图片,不可以的则不是。 然而,在...
  • Java判断文件是否完整

    千次阅读 2013-01-25 00:00:36
    需求:需要判断一个文件是否正常结束,正常情况最后一行为某段字符串(结束标志) 代码: /** * 判断一个文件的最后一行是否为某字符串 * * @param src * 文件路径 * @param key * 判断是否最后一行的字符串...
  • java判断txt文件的编码格式

    千次阅读 2017-06-12 13:45:12
    if(file.isFile() && file.exists()){ //判断文件是否存在 String encoding=getFilecharset(new File(s)); InputStreamReader read = new InputStreamReader( new FileInputStream(file),encoding);//考虑到编码...
  • Java判断文件是否存在

    千次阅读 2020-11-17 20:42:13
    1、判断文件是否存在,不存在就新建 File file = new File("d:\\hello.txt"); if (!file.exists()) { try { file.createNewFile(); } catch (IOException e) { e.printStackTrace(); } System.out.println(...
  • Java判断文件、文件夹是否存在

    万次阅读 2016-04-25 18:00:22
    一、判断文件是否存在,不存在则创建 File file = new File("d:\\test.txt"); if (!file.exists()) { try { file.createNewFile(); } catch (IOException e) { e.printStackTrace(); } System.out
  • java通过文件头内容判断文件类型

    热门讨论 2012-04-22 22:50:20
    java通过文件头内容判断文件类型
  • java 判断文件是否为图片2

    千次阅读 2017-07-12 10:28:38
    前面写了篇博客,多种方式判断一个文件是否为图片。在实际使用中发现方式二,没有兼容exif 格式的图片。这里补正一下。前一篇博客地址:...
  • java判断文件是否存在

    千次阅读 2019-07-26 17:27:02
    直接粘代码: ... * 判断文件是否存在 * * @Title: isExcite * @param @param filePath * @param @return * @return boolean 返回类型 * @throws */ public static boolean isExcite(S...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 670,319
精华内容 268,127
关键字:

java判断文件格式

java 订阅