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：

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);}//   endCodepageDetectorProxy 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GBKString 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GBKString charsetName = "GBK";if (charset != null) {if (charset.name().equals("US-ASCII")) {charsetName = "ISO_8859_1";} else {charsetName = charset.name();}}return charsetName;}}

java 判断文件编码格式(支持zip)相关推荐

java 判断是否为cst格式_Java判断文件编码格式
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 ...
java 判断文件的类型,用java流方式判断文件类型
这个方法只能在有限的范围内有效.并不是万金油比如图片类型判断,音频文件格式判断,视频文件格式判断等这种肯定是2进制且专业性很强的文件类型判断. 下面给出完整版代码首先是文件类型枚取 packag ...
Java判断文件夹是否存在，不存在则新建
1.Java判断是否存在文件夹,不存在则新建 File file = new File("D:/test/filetest/test.txt"); if (!file.getPar ...
java判断文件夹中的图片是否重复
java判断文件夹中的图片是否重复直接上代码 package com.example.common; import java.io.File; import java.io.FileInputStr ...
java判断文件夹下是否存在文件_java 判断文件夹是否存在文件
java 判断文件夹是否存在文件 1.首先使用File类创建一个File对象: 2.然后判断是否是目录,不是目录就返回 3.之后使用file.list()方法获取目录下文件并存入数组 4.最后判断数组 ...
java判断文件编码是UTF-8还是UTF-8(BOM)还是其他编码
java判断文件编码是UTF-8还是UTF-8(BOM)还是其他编码 final String filePath = "C:\\Users\\小太阳\\Desktop\\java\\2021 ...
java判断文件是否图片_java怎么判断文件是否是图片
java判断文件是否是图片的方法: 1.通过判断文件后缀名String extension = ""; int i = fileName.lastIndexOf('.'); if ...
java解析压缩文件，支持zip，rar，7z压缩格式
最近项目有需求对压缩文件进行解析,需要支持市面上比较流行的压缩格式,诸如zip,rar,7z: 由于压缩文件解析比较常见,特将代码整理出来,供后续参考学习: 以下是java代码: maven依赖: & ...
Java判断文件类型
通常,在WEB系统中,上传文件时都需要做文件的类型校验,大致有如下几种方法: 1. 通过后缀名,如exe,jpg,bmp,rar,zip等等. 2. 通过读取文件,获取文件的Content-type来 ...
java 判断文件类型是否是音频_用java流方式判断文件类型
这个方法只能在有限的范围内有效.并不是万金油比如图片类型判断,音频文件格式判断,视频文件格式判断等这种肯定是2进制且专业性很强的文件类型判断. 下面给出完整版代码首先是文件类型枚取 packag ...

java 判断文件编码格式(支持zip)

java 判断文件编码格式(支持zip)

前言：

准备条件

具体实现

具体代码如下：

java 判断文件编码格式(支持zip)相关推荐

最新文章

热门文章