android 动态设置读取文件的编码格式(charset)

android中使用InputStreamReader读取文件数据时，需要传入参数编码格式(charset)，而当目标文件的编码格式不固定时，就需要动态获取编码格式。

InputStreamReader inputReader = new InputStreamReader(inputStream, charset);//charset可以设置为"GBK',"UTF-8"

以下主要描述通过文件编码探测器获取charset。

1，简单的编码类型判断，只能识别GBK和UTF-8，通过读取文件头的3个字符

public String charsetDetect(String path) {
String _charset="";
try {
File file = new File(path);
InputStream fs = new FileInputStream(file);
byte[] buffer = new byte[3];
fs.read(buffer);
fs.close();

if (buffer[0] == -17 && buffer[1] == -69 && buffer[2] == -65)
_charset="UTF-8";
else
_charset="GBK";
}
catch (IOException e) {e.printStackTrace(); }
return _charset;
}

2，更加安全的文件编码检测，可以使用一个开源项目cpdetector，可使用这个网址下载：http://sourceforge.jp/projects/sfnet_cpdetector/。

2.1 将下载的文件解压会找jar文件:cpdetector_1.0.10.jar，antlr-2.7.4.jar，chardet-1.0.jar，jargs-1.0.jar，将jar文件放到工程的libs文件夹中。

在工程的树形目录中，找到工程文件节点位置点击右键，在弹出菜单中选择"Build Path"->"Add External Archives.."，把cpdetector_1.0.10.jar添加进工程中。

2.2 在需要检测编码类型的文件中添加如下代码进行测试。

//用于支持文件读写
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

//用于支持cpdetector;
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;

/**
* 读取文件的编码格式,返回文件文件编码类型
*/
public String charsetDetect(String path)
{
String _charset="UTF-8";//默认

CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();
detector.add(new ParsingDetector(false));
detector.add(JChardetFacade.getInstance());//用到antlr.jar、chardet.jar
detector.add(ASCIIDetector.getInstance());
detector.add(UnicodeDetector.getInstance());

java.nio.charset.Charset set = null;
File f = new File(path);
try {
set = detector.detectCodepage(f.toURI().toURL());
} catch (Exception ex) {
ex.printStackTrace();
}

if (set != null)
_charset = set.name();
return _charset;
}

2.3关于cpdetector的一些函数介绍

/*------------------------------------------------------------------------
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。
--------------------------------------------------------------------------*/
cpdetector.io.CodepageDetectorProxy detector =
cpdetector.io.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 cpdetector.io.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(cpdetector.io.JChardetFacade.getInstance());
//ASCIIDetector用于ASCII编码测定
detector.add(cpdetector.io.ASCIIDetector.getInstance());
//UnicodeDetector用于Unicode家族编码的测定
detector.add(cpdetector.io.UnicodeDetector.getInstance());
JAVA.nio.charset.Charset charset = null;
File f=new File("待测的文本文件名");
try {
charset = detector.detectCodepage(f.toURL());
} catch (Exception ex) {ex.printStackTrace();}
if(charset!=null){
System.out.println(f.getName()+"编码是："+charset.name());
}else
System.out.println(f.getName()+"未知");

上面代码中的detector不仅可以用于探测文件的编码，也可以探测任意输入的文本流的编码，方法是调用其重载形式：
Java代码
charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数);

charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数);

上面的字节数由程序员指定，字节数越多，判定越准确，当然时间也花得越长。要注意，字节数的指定不能超过文本流的最大长度。

判定文件编码的具体应用举例：
属性文件(.properties)是Java程序中的常用文本存储方式，象STRUTS框架就是利用属性文件存储程序中的字符串资源。它的内容如下所示：
Java代码
#注释语句
属性名=属性值

#注释语句
属性名=属性值

读入属性文件的一般方法是：
Java代码
FileInputStream ios=new FileInputStream("属性文件名");
Properties prop=new Properties();
prop.load(ios);
ios.close();

FileInputStream ios=new FileInputStream("属性文件名");
Properties prop=new Properties();
prop.load(ios);
ios.close();

利用java.io.Properties的load方法读入属性文件虽然方便，但如果属性文件中有中文，在读入之后就会发现出现乱码现象。发生这个原因是load方法使用字节流读入文本，在读入后需要将字节流编码成为字符串，而它使用的编码是“iso-8859-1”,这个字符集是ASCII码字符集，不支持中文编码，所以这时需要使用显式的转码:
Java代码
String value=prop.getProperty("属性名");
String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");

String value=prop.getProperty("属性名");
String encValue=new String(value.getBytes("iso-8859-1"),"属性文件的实际编码");

在上面的代码中，属性文件的实际编码就可以利用上面的方法获得。当然，象这种属性文件是项目内部的，我们可以控制属性文件的编码格式，比如约定采用Windows内定的GBK，就直接利用"gbk"来转码，如果约定采用UTF-8，也可以是使用"UTF-8"直接转码。如果想灵活一些，做到自动探测编码，就可利用上面介绍的方法测定属性文件的编码，从而方便开发人员的工作。

更多相关文章

随机推荐