七叶笔记 » java编程 » java实现获取文本文件的字符编码

java实现获取文本文件的字符编码

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GB2312

UTF-8 :前三个字节为:0xE59B9E(UTF-8)、0xEFBBBF(UTF-8含BOM)

UTF-16 :前两字节为:0xFEFF

Unicode: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:

77bbc7d331af0b1180356ca5cdc5be2.png

Java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。

免费在线视频教程推荐:java学习

二、举个例子:

有一个文本文件:test.txt

7403355a235a7fdd1a4c6398bcaafb8.png

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:

9bde414496f194536a02731a18db9c8.png

相关文章教程推荐:java入门学习

相关文章