java使用cpdetecto 编码探测
在项目中加入 这几个包都在附件的cpdetector_1.0.8_binary.zip中
- cpdetector_1.0.8.jar
- chardet.jar
- antlr.jar
/**
* 文件流中 读取字节编码
* @param in
* @return
* @throws Exception
* @throws IllegalArgumentException
*/
public static Charset getCharset(InputStream in){
/*------------------------------------
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。
--------------------------------------*/
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());
//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());
Charset charset = null;
BufferedInputStream bis = new BufferedInputStream(in);
try {
//1024表示 需要探测流中的前1024个字节
charset = detector.detectCodepage(bis, 1024);
} catch (IllegalArgumentException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
//if(charset!=null){
// System.out.println("编码是:"+charset.name());
//}else{
// System.out.println("未知");
//}
return charset;
}