JAVA读取文件字符集【File、MultipartFile、cpdetector】

一、简介

cpdetector：是一款基于JAVA的文件编码方式检测工具

二、导入cpdetector的jar包

下载地址：https://mvnrepository.com

<dependency>
    <groupId>net.sourceforge.cpdetector</groupId>
    <artifactId>cpdetector</artifactId>
    <version>1.0.7</version>
</dependency>
<dependency>
    <groupId>org.mozilla.intl</groupId>
    <artifactId>chardet</artifactId>
    <version>1.0</version>
</dependency>
<dependency>
    <groupId>antlr</groupId>
    <artifactId>antlr</artifactId>
    <version>2.7.4</version>
</dependency>

三、两种传参方式实现读取文件编码集

1、传入url解析文件编码

package com.example.demo;

import info.monitorenter.cpdetector.io.*;
import info.monitorenter.cpdetector.io.ParsingDetector;
import org.springframework.web.multipart.MultipartFile;

import java.io.File;

public class EncodeTest {

    public static void main(String[] args) {
        String charsetName = getFileEncode("E:\\test1.sql");
        System.out.println(charsetName);
    }
    /**
     * 利用第三方开源包cpdetector获取文件编码格式
     * @param path：要判断文件编码格式的源文件的路径
     */
    public static String getFileEncode(String path) {
        /*
         * 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。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar
         * cpDetector是基于统计学原理的，不保证完全正确。
         */
        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());// 用到antlr.jar、chardet.jar
        // 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());
        java.nio.charset.Charset charset = null;
        File f = new File(path);
        try {
            charset = detector.detectCodepage(f.toURI().toURL());
        } catch (Exception ex) {
            ex.printStackTrace();
        }
        if (charset != null)
            return charset.name();
        else
            return null;
    }
}

2、传入文件流解析文件编码集

package com.example.demo.controller;

import info.monitorenter.cpdetector.io.*;
import info.monitorenter.util.FileUtil;
import org.mozilla.universalchardet.UniversalDetector;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.multipart.MultipartFile;

import java.io.*;
import java.nio.charset.Charset;
import java.util.Iterator;
import java.util.LinkedHashSet;
import java.util.Set;

@RequestMapping("/test")
@RestController
public class DemoTestController {

    private Set<ICodepageDetector> detectors = new LinkedHashSet();

    @RequestMapping("test")
    public String test(MultipartFile file) throws IOException {
        return getFileEncode(file);
    }

    /**
     * 利用第三方开源包cpdetector获取文件编码格式
     */
    public String getFileEncode(MultipartFile file) {
        /*
         * 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。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar
         * cpDetector是基于统计学原理的，不保证完全正确。
         */
        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());// 用到antlr.jar、chardet.jar
        // 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());
        java.nio.charset.Charset charset = null;
//        File f = new File(path);
        try {
            BufferedInputStream in = new BufferedInputStream(file.getInputStream());
//            charset = detector.detectCodepage(f.toURI().toURL());
            charset = detector.detectCodepage(in,2147483647);
//            charset = codeTest(in,2147483647);
            System.out.println(charset);
        } catch (Exception ex) {
            ex.printStackTrace();
        }
        if (charset != null)
            return charset.name();
        else
            return null;
    }
}

 四、测试结果