java自动识别用户上传的文本文件编码

原文：http://www.open-open.com/code/view/1420514359234

经常碰到用户上传的部分数据文本文件乱码问题,又不能限制用户的上传的文件编码格式(这样对客户的要求可能比较高), 只好自己想办法.  找了一部分java获取文件编码的.

要么就是识别错误. 要么就是只有一小段的代码,也不说具体引用了什么...我就在这里分享一下吧. 工具类就一个方法. main测试方法我就不写了.

貌似还不能上传附件...就弄到我的资源里去吧.

引用了.这两个jar类.

chardet.jar

cpdetector_1.0.10.jar

package com.dxx.buscredit.common.util;  

    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;  

    import java.io.File;
    import java.nio.charset.Charset;  

    public class FileCharsetDetector {  

        /**
         * 利用第三方开源包cpdetector获取文件编码格式.
         * @param filePath
         * @return
         */
        public static String getFileEncode(File file) {
            /**
             * <pre>
             * 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,
             * 如: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.
             * </pre>
             */
            CodepageDetectorProxy 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(file.toURI().toURL());
            } catch (Exception e) {
                e.printStackTrace();
            }  

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