java文件轉碼

1. java 怎麼獲得文件編碼格式

java課程設計例子

Java如何獲取文件編碼格式
1：簡單判斷是UTF-8或不是UTF-8，因為一般除了UTF-8之外就是GBK，所以就設置默認為GBK。
按照給定的字元集存儲文件時，在文件的最開頭的三個位元組中就有可能存儲著編碼信息，所以，基本的原理就是只要讀出文件前三個位元組，判定這些位元組的值，就可以得知其編碼的格式。其實，如果項目運行的平台就是中文操作系統，如果這些文本文件在項目內產生，即開發人員可以控制文本的編碼格式，只要判定兩種常見的編碼就可以了：GBK和UTF-8。由於中文Windows默認的編碼是GBK，所以一般只要判定UTF-8編碼格式。
對於UTF-8編碼格式的文本文件，其前3個位元組的值就是-17、-69、-65，所以，判定是否是UTF-8編碼格式的代碼片段如下：
Filefile=newFile(path);
InputStreamin=newjava.io.FileInputStream(file);
byte[]b=newbyte[3];
in.read(b);
in.close();
if(b[0]==-17&&b[1]==-69&&b[2]==-65)
System.out.println(file.getName()+"：編碼為UTF-8");
else
System.out.println(file.getName()+"：可能是GBK，也可能是其他編碼");
2：若想實現更復雜的文件編碼檢測，可以使用一個開源項目cpdetector，它所在的網址是：http://cpdetector.sourceforge.net/。它的類庫很小，只有500K左右，cpDetector是基於統計學原理的，不保證完全正確，利用該類庫判定文本文件的代碼如下：

讀外部文件(先利用cpdetector檢測文件的編碼格式，然後用檢測到的編碼方式去讀文件):

	/**
	*利用第三方開源包cpdetector獲取文件編碼格式
	*
	*@parampath
	*要判斷文件編碼格式的源文件的路徑
	*@authorhuanglei
	*@version2012-7-1214:05
	*/
	(Stringpath){
		/*
		*detector是探測器，它把探測任務交給具體的探測實現類的實例完成。
		*cpDetector內置了一些常用的探測實現類，這些探測實現類的實例可以通過add方法加進來，如ParsingDetector、
		*JChardetFacade、ASCIIDetector、UnicodeDetector。
		*detector按照「誰最先返回非空的探測結果，就以該結果為准」的原則返回探測到的
		*字元集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar
		*cpDetector是基於統計學原理的，不保證完全正確。
		*/
		CodepageDetectorProxydetector=CodepageDetectorProxy.getInstance();
		/*
		*ParsingDetector可用於檢查HTML、XML等文件或字元流的編碼,構造方法中的參數用於
		*指示是否顯示探測過程的詳細信息，為false不顯示。
		*/
		detector.add(newParsingDetector(false));
		/*
		*JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數文件的編碼
		*測定。所以，一般有了這個探測器就可滿足大多數項目的要求，如果你還不放心，可以
		*再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。
		*/
		detector.add(JChardetFacade.getInstance());//用到antlr.jar、chardet.jar
		//ASCIIDetector用於ASCII編碼測定
		detector.add(ASCIIDetector.getInstance());
		//UnicodeDetector用於Unicode家族編碼的測定
		detector.add(UnicodeDetector.getInstance());
		java.nio.charset.Charsetcharset=null;
		Filef=newFile(path);
		try{
			charset=detector.detectCodepage(f.toURI().toURL());
		}catch(Exceptionex){
			ex.printStackTrace();
		}
		if(charset!=null)
			returncharset.name();
		else
			returnnull;
	}
StringcharsetName=getFileEncode(configFilePath);
System.out.println(charsetName);
inputStream=newFileInputStream(configFile);
BufferedReaderin=newBufferedReader(newInputStreamReader(inputStream,charsetName));讀jar包內部資源文件(先利用cpdetector檢測jar內部的資源文件的編碼格式，然後以檢測到的編碼方式去讀文件)：

	/**
	*利用第三方開源包cpdetector獲取URL對應的文件編碼
	*
	*@parampath
	*要判斷文件編碼格式的源文件的URL
	*@authorhuanglei
	*@version2012-7-1214:05
	*/
	(URLurl){
		/*
		*detector是探測器，它把探測任務交給具體的探測實現類的實例完成。
		*cpDetector內置了一些常用的探測實現類，這些探測實現類的實例可以通過add方法加進來，如ParsingDetector、
		*JChardetFacade、ASCIIDetector、UnicodeDetector。
		*detector按照「誰最先返回非空的探測結果，就以該結果為准」的原則返回探測到的
		*字元集編碼。使用需要用到三個第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar
		*cpDetector是基於統計學原理的，不保證完全正確。
		*/
		CodepageDetectorProxydetector=CodepageDetectorProxy.getInstance();
		/*
		*ParsingDetector可用於檢查HTML、XML等文件或字元流的編碼,構造方法中的參數用於
		*指示是否顯示探測過程的詳細信息，為false不顯示。
		*/
		detector.add(newParsingDetector(false));
		/*
		*JChardetFacade封裝了由Mozilla組織提供的JChardet，它可以完成大多數文件的編碼
		*測定。所以，一般有了這個探測器就可滿足大多數項目的要求，如果你還不放心，可以
		*再多加幾個探測器，比如下面的ASCIIDetector、UnicodeDetector等。
		*/
		detector.add(JChardetFacade.getInstance());//用到antlr.jar、chardet.jar
		//ASCIIDetector用於ASCII編碼測定
		detector.add(ASCIIDetector.getInstance());
		//UnicodeDetector用於Unicode家族編碼的測定
		detector.add(UnicodeDetector.getInstance());
		java.nio.charset.Charsetcharset=null;
		try{
			charset=detector.detectCodepage(url);
		}catch(Exceptionex){
			ex.printStackTrace();
		}
		if(charset!=null)
			returncharset.name();
		else
			returnnull;
	}
URLurl=CreateStationTreeModel.class.getResource("/resource/"+"配置文件");
URLConnectionurlConnection=url.openConnection();
inputStream=urlConnection.getInputStream();
StringcharsetName=getFileEncode(url);
System.out.println(charsetName);
BufferedReaderin=newBufferedReader(newInputStreamReader(inputStream,charsetName));


3：探測任意輸入的文本流的編碼，方法是調用其重載形式：
charset=detector.detectCodepage(待測的文本輸入流,測量該流所需的讀入位元組數);

上面的位元組數由程序員指定，位元組數越多，判定越准確，當然時間也花得越長。要注意，位元組數的指定不能超過文本流的最大長度。

4：判定文件編碼的具體應用舉例：

屬性文件(.properties)是Java程序中的常用文本存儲方式，象STRUTS框架就是利用屬性文件存儲程序中的字元串資源。它的內容如下所示：
#注釋語句
屬性名=屬性值
讀入屬性文件的一般方法是：
FileInputStreamios=newFileInputStream(「屬性文件名」);
Propertiesprop=newProperties();
prop.load(ios);
Stringvalue=prop.getProperty(「屬性名」);
ios.close();
利用java.io.Properties的load方法讀入屬性文件雖然方便，但如果屬性文件中有中文，在讀入之後就會發現出現亂碼現象。發生這個原因是load方法使用位元組流讀入文本，在讀入後需要將位元組流編碼成為字元串，而它使用的編碼是「iso-8859-1」,這個字元集是ASCII碼字元集，不支持中文編碼，
方法一：使用顯式的轉碼：
Stringvalue=prop.getProperty(「屬性名」);
StringencValue=newString(value.getBytes(「iso-8859-1″),」屬性文件的實際編碼」);
方法二：象這種屬性文件是項目內部的，我們可以控制屬性文件的編碼格式，比如約定採用Windows內定的GBK，就直接利用」gbk」來轉碼，如果約定採用UTF-8，就使用」UTF-8″直接轉碼。
方法三：如果想靈活一些，做到自動探測編碼，就可利用上面介紹的方法測定屬性文件的編碼，從而方便開發人員的工作

補充：可以用下面代碼獲得Java支持編碼集合：
Charset.availableCharsets().keySet();
可以用下面的代碼獲得系統默認編碼：
Charset.defaultCharset();

2. java 怎麼gbk轉碼utf-8

方法一：

思路：先轉為Unicode，然後轉為GBK
Stringutf8=newString(t.getBytes("UTF-8"));
System.out.println(utf8);
Stringunicode=newString(utf8.getBytes(),"UTF-8");
System.out.println(unicode);
Stringgbk=newString(unicode.getBytes("GBK"));

System.out.println(gbk);

方法二：

publicstaticvoidmain(String[]args){
Stringstr="字元串編碼轉換";
try{
byte[]temp=str.getBytes("utf-8");//這里寫原編碼方式
byte[]newtemp=newString(temp,"utf-8").getBytes("gbk");//這里寫轉換後的編碼方式
StringnewStr=newString(newtemp,"gbk");//這里寫轉換後的編碼方式
System.out.println(newStr);
}catch(UnsupportedEncodingExceptione){
//TODOAuto-generatedcatchblock
e.printStackTrace();
}
}

3. java怎樣實現將GB2312編碼的字元串轉換為ISO-8859-1編碼的字元串

將GB2312格式字元串變為ISO-8859-1需要用到中間輔助類byte[],原理是講字元串轉化成byte，然後將byte轉換成字元串同時轉碼，當然要注意異常的捕捉。

這個過程大致分為2個步驟:

1. 將字元串轉換成byte[]。

2. 將byte[]轉換成字元串，同時設置編碼格式為ISO-8859-1。

操作過程如下圖所示

4. java文件讀取內容轉碼

讀取的文件流如果是read（讀取位元組流的時候，中文就會是亂碼）方法，所以現在全都是聽過readline方式進行的讀取。舉例：
可以通過BufferedReader 流的形式進行流緩存，之後通過readLine方法獲取到緩存的內容。
BufferedReader bre = null;
try {
String file = "D:/test/test.txt";
bre = new BufferedReader(new FileReader(file));//此時獲取到的bre就是整個文件的緩存流
while ((str = bre.readLine())!= null) // 判斷最後一行不存在，為空結束循環
{
System.out.println(str);//原樣輸出讀到的內容
}；
bre.close()，//關閉流，否則bre流會一直存在，直到程序運行結束。

除此之外，java文件讀取的時候有中文就很出現亂碼，通常獲取到的文件中通常都是「iso8859-1」格式，需要轉換為「UTF-8」格式。
如：String str = new String（str.getByte("iso8859-1"),"UTF-8"）;進行下強制轉換後在進行讀取即可。
備註：通常格式有GBK、UTf-8、iso8859-1、GB2312，如果上面的強制轉換不成功，依次進行這些格式的嘗試，肯定是可以解決問題的。

5. java轉碼後局部亂碼問題

問題給你解決了，看代碼

public class Test {
public static void main(String[] args) {

try {
String s = new String("中文測試局部亂碼問題2011中文測試上傳文件名亂碼問題.txt".getBytes(),
"UTF-8");
System.out.println(s);
s = java.net.URLDecoder.decode(s, "utf-8"); //utf8轉gbk
System.out.println(s);
Test convert = new Test();
byte[] fullByte = convert.gbk2utf8(s); //gbk轉utf8
String fullStr = new String(fullByte, "UTF-8");
System.out.println("string from GBK to UTF-8 byte: " + fullStr);

} catch (Exception e) {
e.printStackTrace();
}
}

public byte[] gbk2utf8(String chenese) {
char c[] = chenese.toCharArray();
byte[] fullByte = new byte[3 * c.length];
for (int i = 0; i < c.length; i++) {
int m = (int) c[i];
String word = Integer.toBinaryString(m);

StringBuffer sb = new StringBuffer();
int len = 16 - word.length();

for (int j = 0; j < len; j++) {
sb.append("0");
}
sb.append(word);
sb.insert(0, "1110");
sb.insert(8, "10");
sb.insert(16, "10");

String s1 = sb.substring(0, 8);
String s2 = sb.substring(8, 16);
String s3 = sb.substring(16);

byte b0 = Integer.valueOf(s1, 2).byteValue();
byte b1 = Integer.valueOf(s2, 2).byteValue();
byte b2 = Integer.valueOf(s3, 2).byteValue();
byte[] bf = new byte[3];
bf[0] = b0;
fullByte[i * 3] = bf[0];
bf[1] = b1;
fullByte[i * 3 + 1] = bf[1];
bf[2] = b2;
fullByte[i * 3 + 2] = bf[2];

}
return fullByte;
}
}

結果：
中文測試局部亂碼問題2011中文測試上傳文件名亂碼問題.txt
中文測試局部亂碼問題2011中文測試上傳文件名亂碼問題.txt
string from GBK to UTF-8 byte: 中文測試局部亂碼問題2011中文測試上傳文件名亂碼問題.txt