Java 判断文件的编码

?首先，不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

??ANSI：　　　　　　　　无格式定义；

??Unicode： 　　　　　　前两个字节为FFFE；

??Unicode big endian：　前两字节为FEFF；　?

??UTF-8：　 　　　　　　前两字节为EFBB；　

??知道了各种编码格式的区别，写代码就容易了.

public static String get_charset( File file ) { ??

?? ? ? ?String charset = "GBK"; ??

?? ? ? ?byte[] first3Bytes = new byte[3]; ??

?? ? ? ?try { ??

?? ? ? ? ? ?boolean; ??

?? ? ? ? ? ?BufferedInputStream bis = new BufferedInputStream( new FileInputStream( file ) ); ??

?? ? ? ? ? ?bis.mark( 0 ); ??

?? ? ? ? ? ?int read = bis.read( first3Bytes, 0, 3 ); ??

?? ? ? ? ? ?if ( read == -1 ) return charset; ??

?? ? ? ? ? ?if ( first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE ) { ??

?? ? ? ? ? ? ? ?charset = "UTF-16LE"; ??

?? ? ? ? ? ? ? ?checked = true; ??

?? ? ? ? ? ?} ??

?? ? ? ? ? ?else if ( first3Bytes[0] == (byte) 0xFE && first3Bytes[1] == (byte) 0xFF ) { ??

?? ? ? ? ? ? ? ?charset = "UTF-16BE"; ??

?? ? ? ? ? ? ? ?checked = true; ??

?? ? ? ? ? ?} ??

?? ? ? ? ? ?else if ( first3Bytes[0] == (byte) 0xEF && first3Bytes[1] == (byte) 0xBB && first3Bytes[2] == (byte) 0xBF ) { ??

?? ? ? ? ? ? ? ?charset = "UTF-8"; ??

?? ? ? ? ? ? ? ?checked = true; ??

?? ? ? ? ? ?} ??

?? ? ? ? ? ?bis.reset(); ??

?? ? ? ? ? ?if ( !checked ) { ??

?? ? ? ? ? ?// ? ?int len = 0; ??

?? ? ? ? ? ? ? ?int loc = 0; ??

??

?? ? ? ? ? ? ? ?while ( (read = bis.read()) != -1 ) { ??

?? ? ? ? ? ? ? ? ? ?loc++; ??

?? ? ? ? ? ? ? ? ? ?if ( read >= 0xF0 ) break; ??

?? ? ? ? ? ? ? ? ? ?if ( 0x80 <= read && read <= 0xBF ) // 单独出现BF以下的，也算是GBK ??

?? ? ? ? ? ? ? ? ? ?break; ??

?? ? ? ? ? ? ? ? ? ?if ( 0xC0 <= read && read <= 0xDF ) { ??

?? ? ? ? ? ? ? ? ? ? ? ?read = bis.read(); ??

?? ? ? ? ? ? ? ? ? ? ? ?if ( 0x80 <= read && read <= 0xBF ) // 双字节 (0xC0 - 0xDF) (0x80 ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?// - 0xBF),也可能在GB编码内 ??

?? ? ? ? ? ? ? ? ? ? ? ?continue; ??

?? ? ? ? ? ? ? ? ? ? ? ?else break; ??

?? ? ? ? ? ? ? ? ? ?} ??

?? ? ? ? ? ? ? ? ? ?else if ( 0xE0 <= read && read <= 0xEF ) {// 也有可能出错，但是几率较小 ??

?? ? ? ? ? ? ? ? ? ? ? ?read = bis.read(); ??

?? ? ? ? ? ? ? ? ? ? ? ?if ( 0x80 <= read && read <= 0xBF ) { ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ?read = bis.read(); ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ?if ( 0x80 <= read && read <= 0xBF ) { ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?charset = "UTF-8"; ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?break; ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ?} ??

?? ? ? ? ? ? ? ? ? ? ? ? ? ?else break; ??

?? ? ? ? ? ? ? ? ? ? ? ?} ??

?? ? ? ? ? ? ? ? ? ? ? ?else break; ??

?? ? ? ? ? ? ? ? ? ?} ??

?? ? ? ? ? ? ? ?} ??

?? ? ? ? ? ? ? ?//System.out.println( loc + " " + Integer.toHexString( read ) ); ??

?? ? ? ? ? ?} ??

??

?? ? ? ? ? ?bis.close(); ??

?? ? ? ?} catch ( Exception e ) { ??

?? ? ? ? ? ?e.printStackTrace(); ??

?? ? ? ?} ??

??

?? ? ? ?return charset; ??

?? ?} ??