自动检测TXT文件编码
自动检测文本文件编码的代码(只能简单判断是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。
String charsetDetect(String path) {
String _charset="";
try {
File file = new File(path);
InputStream fs = new FileInputStream(file);
byte[] buffer = new byte[3];
fs.read(buffer);
fs.close();
if (buffer[0] == -17 && buffer[1] == -69 && buffer[2] == -65)
_charset="UTF-8";
else
_charset="GBK";
}
catch (IOException e) {e.printStackTrace(); }
return _charset;
}
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,利用该类库判定文本文件的代码如下:
/*------------------------------------------------------------------------
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。
--------------------------------------------------------------------------*/
cpdetector.io.CodepageDetectorProxy detector =
cpdetector.io.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 cpdetector.io.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(cpdetector.io.JChardetFacade.getInstance());
//ASCIIDetector用于ASCII编码测定
detector.add(cpdetector.io.ASCIIDetector.getInstance());
//UnicodeDetector用于Unicode家族编码的测定
detector.add(cpdetector.io.UnicodeDetector.getInstance());
JAVA.nio.charset.Charset charset = null;
File f=new File("待测的文本文件名");
try {
charset = detector.detectCodepage(f.toURL());
} catch (Exception ex) {ex.printStackTrace();}
if(charset!=null){
System.out.println(f.getName()+"编码是:"+charset.name());
}else
System.out.println(f.getName()+"未知");
上面代码中的detector不仅可以用于探测文件的编码,也可以探测任意输入的文本流的编码,方法是调用其重载形式:
Java代码
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。
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:
Java代码
#注释语句
属性名=属性值
读入属性文件的一般方法是:
Java代码
FileInputStream ios=new FileInputStream("属性文件名");
Properties prop=new Properties();
prop.load(ios);
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,所以这时需要使用显式的转码:
Java代码
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");
在上面的代码中,属性文件的实际编码就可以利用上面的方法获得。当然,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,也可以是使用"UTF-8"直接转码。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。
自动检测TXT文件编码相关推荐
- txt文件编码批量转换器V2.11版
用于批量转换txt文本文档的编码格式.通常我们电脑里的txt文件都是ASNI编码,放到手机,MP3等设备里面,打开看到的都是乱码.所以我们必须先把它们转换为Unicode格式,才能够在手机和M ...
- txt文件编码批量转换器 2.11 官方版
txt文件编码批量转换器用于批量转换txt文本文档的编码格式.通常,我们电脑里的txt文件都是ASNI编码,当放到手机或MP3里时,打开看到的往往都是乱码,面目全非.我们需要先把它们转换为Unicod ...
- TXT 文件编码类型
TXT文件共4种类型编码:GB3212.UTF8.BIG UTF8.Unicode *****************下为以C#代码**************** public System.Tex ...
- ubuntu下txt文件编码转换、查询(gbk/ISO-8859-utf-8)
在ubuntu下运行python程序,总是报错,说编码不对不是utf-8(貌似是因为汉字部分出问题了),搜集资料后完成了转换. 1.文件编码查询 $ file 199801.txt 199801.tx ...
- python能打开的txt文件编码_Python读写txt文件时的编码问题
这个问题来自于一个小伙伴,他在处理中文数据时需要先把里面的文本过滤然后分词,因为里面有许多符号,不仅是中文标点符号,还有✳,emoji等奇怪的符号. 正常情况下,中文的str经过encode('utf ...
- 批量修改txt(或其他)文件编码为utf-8
批量修改txt(或其他)文件编码方式为utf-8 这两天敲代码批量处理txt文件时一直出现报错: UnicodeDecodeError: 'utf-8' codec can't decode byte ...
- python读取文件编码错误_关于python 读取txt文件出现编码问题:
python 读取txt文件出现编码问题:UnicodeDecodeError: 'utf-8' codec can't decode byte 0xba in position 5: invalid ...
- java怎样输出一个文件夹,java合并一个文件夹下所有txt文件,输出到另一个txt,...
java合并一个文件夹下所有txt文件,输出到另一个txt,最近写了个单元测试,递归调用方法,把同一个文件夹里所有的txt合并输出到一个txt文件.参考了两个博客,分别是已有的方法,还有个就是检测tx ...
- python合并两个列表并去重_python合并多个txt文件
python合并多个txt文件 #合并一个文件夹下的多个txt文件 #coding=utf-8 import os #获取目标文件夹的路径 filedir = os.getcwd()+'\\数据' # ...
最新文章
- 摄像机的几个重要的技术指标
- Jetson Xavier NX上安装scipy报错:numpy.distutils.system_info.NotFoundError: No lapack/blas resources found
- Hive JDBC:Permission denied: user=anonymous, access=EXECUTE, inode=”/tmp”
- CSS之:active选择器
- 【LeetCode】104. Maximum Depth of Binary Tree (2 solutions)
- Tomcat配置优化
- 【驱动】使用结构体 file_operations封装驱动设备的操作 | 结构体初始化
- 移动工具V和选区工具M
- [react] 展示组件和容器组件有什么区别?
- 飞天茅台超卖P0事故:请慎用Redis分布式锁!
- bp神经网络和softmax原理_BP人工神经网络常用传递函数
- 坚果手机产品经理朱海舟:售后服务和系统维护会正常继续
- 中国水下充气袋行业市场供需与战略研究报告
- 前端页面预览word_js打开word文档预览操作示例【不是下载】
- Air720模块Linux USB驱动以及PPP拨号说明
- 《郭论—捡史》郭德纲/著 读后得
- python实现触摸精灵功能_触摸精灵lua脚本实现微信群加好友功能
- 安利好用的idea查看日志的插件Grep Consol
- 【阅读文献】单目视觉SLAM方法综述【1】~单目视觉SLAM分类方法
- 欧文工学院计算机,UCI的EECS「加州大学欧文分校电气工程与计算机科学系」
热门文章
- RFSoC应用笔记 - RF数据转换器 -14- RFSoC自动增益控制与NCO跳频功能
- 7-2 幸运彩票 (15 分)
- [转]中国移动校园招聘应聘总结
- 洛谷-P1462-通往奥格瑞玛的道路
- DX实习小记☆[持续更新]
- Python爬虫之Requests功能分解
- php教程--案例13(员工信息搜索)
- NeurIPS 2020 | 基于能量的OOD检测
- 《ASCE1885的信息安全》のCryptoAPI---密钥的产生和交换函数
- 用exfe.js和canvas解决移动端 IOS 拍照上传图片翻转问题