Java如何获取文本文件的字符编码【UTF |
您所在的位置：网站首页 › 字符编码怎么看出来 › Java如何获取文本文件的字符编码【UTF |
Java如何获取文本文件的字符编码【UTF
|
一、认识字符编码： 1、Java中String的默认编码为UTF-8，可以使用以下语句获取：Charset.defaultCharset(); 2、Windows操作系统下，文本文件的默认编码为ANSI，对中文Windows来说即为GBK。例如我们使用记事本程序新建一个文本文档，其默认字符编码即为ANSI。 3、Text文本文档有四种编码选项：ANSI、Unicode(含Unicode Big Endian和Unicode Little Endian)、UTF-8、UTF-16 4、因此我们读取txt文件可能有时候并不知道其编码格式，所以需要用程序动态判断获取txt文件编码。 ANSI ：无格式定义，对中文操作系统为GBK或GB2312UTF-8 ：前三个字节为：0xE59B9E(UTF-8)、0xEFBBBF(UTF-8含BOM)UTF-16 ：前两字节为：0xFEFFUnicode：前两个字节为：0xFFFE例如，Unicode文档以0xFFFE开头，用程序取出前几个字节并进行判断即可。 5、Java编码与Text文本编码对应关系： Java中的编码字符串Text编码 字节标志GBKANSI 无格式定义UTF-8UTF-8包含两种规格： UTF-8 UTF-8-BOM 需判断前三个字节： 前三个字节为：0xE59B9E 前三个字节为：0xEFBBBF UTF-16UTF-16前两个字节为：0xFEFFUNICODEUnicode包含两种规格： 1、UCS2 Little Endian 2、UCS2 Big Endian 前两个字节为：0xFFFEJava读取Text文件，如果编码格式不匹配，就会出现乱码现象。所以读取文本文件的时候需要设置正确字符编码。Text文档编码格式都是写在文件头的，在程序中需要先解析文件的编码格式，获得编码格式后，再以此格式读取文件就不会产生乱码了。 二、举个例子： 有一个文本文件：test.txt 测试代码： /** * 文件名：CharsetCodeTest.java * 功能描述：文件字符编码测试 */ import java.io.*; public class CharsetCodeTest { public static void main(String[] args) throws Exception { String filePath = "test.txt"; String content = readTxt(filePath); System.out.println(content); } public static String readTxt(String path) { StringBuilder content = new StringBuilder(""); try { String fileCharsetName = getFileCharsetName(path); System.out.println("文件的编码格式为："+fileCharsetName); InputStream is = new FileInputStream(path); InputStreamReader isr = new InputStreamReader(is, fileCharsetName); BufferedReader br = new BufferedReader(isr); String str = ""; boolean isFirst = true; while (null != (str = br.readLine())) { if (!isFirst) content.append(System.lineSeparator()); //System.getProperty("line.separator"); else isFirst = false; content.append(str); } br.close(); } catch (Exception e) { e.printStackTrace(); System.err.println("读取文件:" + path + "失败!"); } return content.toString(); } public static String getFileCharsetName(String fileName) throws IOException { InputStream inputStream = new FileInputStream(fileName); byte[] head = new byte[3]; inputStream.read(head); String charsetName = "GBK";//或GB2312，即ANSI if (head[0] == -1 && head[1] == -2 ) //0xFFFE charsetName = "UTF-16"; else if (head[0] == -2 && head[1] == -1 ) //0xFEFF charsetName = "Unicode";//包含两种编码格式：UCS2-Big-Endian和UCS2-Little-Endian else if(head[0]==-27 && head[1]==-101 && head[2] ==-98) charsetName = "UTF-8"; //UTF-8(不含BOM) else if(head[0]==-17 && head[1]==-69 && head[2] ==-65) charsetName = "UTF-8"; //UTF-8-BOM inputStream.close(); //System.out.println(code); return charsetName; } }运行结果：
|
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |