java如何获取正确的字符编码

Python020

java如何获取正确的字符编码,第1张

如果是修改文件的编码方式,可以按以下步骤:

选中文件右键-->Properties-->Resource-->Text file encoding-->选中Other,然后选择自己想要的编码格式就可以了。

如果是修改MyEclipse的编码方式,可以按以下步骤:

菜单栏的Window-->Perferences-->General-->Work Space-->Text file encoding-->选中Other,然后选择自己想要的编码格式就可以了。

java中可以使用char类提供的charAt()方法来获得字符的unicode的编码值,示例如下:

public static String getUnicode(String source){ String returnUniCode=nullString uniCodeTemp=nullfor(int i=0i<source.length()i++){ uniCodeTemp = "\\u"+Integer.toHexString((int)source.charAt(i))//使用char类的charAt()的方法 returnUniCode=returnUniCode==null?uniCodeTemp:returnUniCode+uniCodeTemp} System.out.print(source +" 's unicode = "+returnUniCode)return returnUniCode//返回一个字符的unicode的编码值}

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")

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):

/**

* 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

* @author huanglei

* @version 2012-7-12 14:05

*/

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

* @author huanglei

* @version 2012-7-12 14:05

*/

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()