快捷導(dǎo)航

java 實(shí)現(xiàn)文件編碼檢測(cè)的幾種方式匯總

更新時(shí)間：2025年09月01日 14:55:00 作者：夜空下的星

在實(shí)際開(kāi)發(fā)中,我們常常涉及某些場(chǎng)景需要對(duì)文件的讀取,但是因?yàn)椴恢谰唧w的編碼格式,導(dǎo)致讀取到的文件內(nèi)容亂碼,因此在讀取文件內(nèi)容之前,需要解析獲取文件的編碼,這樣讀取的內(nèi)容就不會(huì)出現(xiàn)亂碼了,下面是常見(jiàn)的幾種獲取文件編碼的方式,感興趣的朋友一起看看吧

一、前言

在實(shí)際開(kāi)發(fā)中，我們常常涉及某些場(chǎng)景需要對(duì)文件的讀取，但是因?yàn)椴恢谰唧w的編碼格式，導(dǎo)致讀取到的文件內(nèi)容亂碼，因此在讀取文件內(nèi)容之前，需要解析獲取文件的編碼，這樣讀取的內(nèi)容就不會(huì)出現(xiàn)亂碼了，下面是常見(jiàn)的幾種獲取文件編碼的方式。

二、java實(shí)現(xiàn)獲取文件編碼的幾種方式。

1.引入第三方依賴庫(kù)juniversalchardet實(shí)現(xiàn)編碼獲取。
（1）首先添加juniversalchardet Maven依賴。

 <dependency>
            <groupId>com.github.albfernandez</groupId>
            <artifactId>juniversalchardet</artifactId>
            <version>2.4.0</version>
        </dependency>

（2）定義一個(gè)FileEncodeUtils類。

import org.mozilla.universalchardet.UniversalDetector;
import java.io.*;
import java.nio.charset.Charset;
import java.util.Objects;
 public static Charset getCharset(File file) {
        try (InputStream in = new FileInputStream(file)) {
            String encoding = UniversalDetector.detectCharset(in);
            if (encoding != null) {
                return Charset.forName(encoding);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        return Charset.defaultCharset();
    }
     public static void main(String[] args) {
        File file = new File("D:\\111.csv");
        System.err.println(getCharset(file).name());
    }

運(yùn)行下main方法就可以獲取對(duì)應(yīng)的文件編碼了。

2.使用hutool工具包獲取文件編碼。
（1）.添加maven依賴

 <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-all</artifactId>
        </dependency>

（2）定義一個(gè)方法獲取文件編碼。

public static Charset getFileCharset(File file) {
        try (InputStream in = new FileInputStream(file);
             ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
            //最多循環(huán)3次,每次2kb,主要是防止一次不能獲取到編碼
            int cycleNum = 0;
            Charset charset = null;
            byte[] buffer = new byte[4096];
            int len;
            while (cycleNum < 3 && (len = in.read(buffer)) > -1) {
                baos.write(buffer, 0, len);
                baos.flush();
                cycleNum++;
                charset = CharsetDetector.detect(1024 * cycleNum, new ByteArrayInputStream(baos.toByteArray()), null);
                if (Objects.nonNull(charset)) {
                    break;
                }
            }
            if (charset != null) {
            } else {
                return Charset.defaultCharset();
            }
            return charset;
        } catch (Exception e) {
            //使用默認(rèn)編碼utf-8
            return Charset.defaultCharset();
            }
     }
     public static void main(String[] args) {
        File file = new File("D:\\111.csv");
        System.err.println(getFileCharset(file).name());
    }

運(yùn)行main方法即可獲取編碼。

3.基于 Java 原生 API獲取編碼
（1）通過(guò) InputStreamReader 獲取文件編碼。

 public static Charset getCharset(File file) {
        try (InputStream in = new FileInputStream(file); 
             InputStreamReader isr = new InputStreamReader(in)) {
            String encoding = isr.getEncoding(); // 返回當(dāng)前流的編碼（如 "UTF8"）
            if (encoding != null) {
                return Charset.forName(encoding);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        return Charset.defaultCharset();
    }
    public static void main(String[] args) {
        File file = new File("D:\\111.csv");
        System.err.println(getCharset(file).name());
    }

這個(gè)不需要依賴第三方包，但僅適用于流未被修改且編碼已知的場(chǎng)景，對(duì)未知編碼可能返回默認(rèn)值（如系統(tǒng)編碼）‌。

4.手動(dòng)解析字節(jié)特征判斷是否是utf8。

    /**
     * 判斷文件內(nèi)容是否為 UTF-8 編碼
     * @author
     */
    public static boolean checkUTF8(InputStream fis) {
        //請(qǐng)注意fis是流，是不能復(fù)用的！
        try {
            while (true) {
                int curr = fis.read();
                if (curr == -1) {
                    return true;
                }
                if (curr < 0x80) {// (10000000): 值小于0x80的為ASCII字符
                    return false;
                } else if (curr < (0xC0)) { // (11000000): 值介于0x80與0xC0之間的為無(wú)效UTF-8字符
                    return false;
                } else if (curr < (0xE0)) { // (11100000): 此范圍內(nèi)為2字節(jié)UTF-8字符
                    if ((fis.read() & (0xC0)) != 0x80) {
                        return false;
                    }
                    return true;
                } else if (curr < (0xF0)) { // (11110000): 此范圍內(nèi)為3字節(jié)UTF-8字符
                    if ((fis.read() & (0xC0)) != 0x80 || (fis.read() & (0xC0)) != 0x80) {
                        return false;
                    }
                    return true;
                } else {
                    return false;
                }
            }
        } catch (IOException e) {
            return true;
        }
    }

這種方式可以簡(jiǎn)單判斷是否為utf-8編碼，但實(shí)現(xiàn)復(fù)雜，需編碼知識(shí)‌，一般不推薦。

總結(jié)：
1.‌第三方庫(kù)juniversalchardet 準(zhǔn)確性高（需足夠數(shù)據(jù)支撐統(tǒng)計(jì)分析）‌，同時(shí)由于局限性‌：可能由于訓(xùn)練數(shù)據(jù)或算法原因，對(duì)某些GBK變體支持不足。

2.‌Hutool CharsetDetector實(shí)現(xiàn)較為基礎(chǔ)，如通過(guò) BOM 頭或 ASCII 范圍快速判斷，缺乏復(fù)雜編碼的統(tǒng)計(jì)分析能力‌。適用于簡(jiǎn)單場(chǎng)景（如明確已知 UTF-8 或 ASCII 編碼）以及快速開(kāi)發(fā)且對(duì)編碼檢測(cè)精度要求不高時(shí)‌。

到此這篇關(guān)于java 實(shí)現(xiàn)文件編碼檢測(cè)的幾種方式匯總的文章就介紹到這了,更多相關(guān)java文件編碼檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: