如何檢測Java中的哪些字符集編碼？

有誰知道是否有一種簡單的方法來檢測Java中的字符集編碼？在我看來，有些程序能夠檢測某個給定數據使用哪個字符集，或者至少能夠進行aproximation。如何檢測Java中的哪些字符集編碼？

我想的基本機制將不得不在每個字符集的數據進行解碼，並挑選哪一個具有最少未定義的字符，隨後的字符集更常見的是打破平局。

任何想法？

2010-02-12 benstpierre

什麼輸入，我們談論的？字節數組（二進制）或字符數組（字符串）？那麼你想區分哪些？它可以只爲Unicode字符集（使用字節順序標記）完成，但不能爲其他的可靠性。 – BalusC 2010-02-12 00:06:14

這可能會很棘手。在這個網站pfarland使用一些啓發：http://forums.sun.com/thread.jspa?threadID=279203#3 – mre 2010-02-12 00:10:52

相關主題：http://stackoverflow.com/questions/499010/java-how-to - 確定最正確-字符集編碼對的一串流和http://stackoverflow.com/questions/1888189/java-readers-and-encodings – BalusC 2010-02-12 00:28:47

-3

爲了查找數據是否爲任何Unicode格式（UTF-8，UTF-16等），您可以讀取字節流中的數據並檢查前4個字節（BOM大小），並且對於每種編碼將不同

爲如：

爲UTF-8前3個字節將是EF，BB，BF

比Unicode編碼的其他編碼我不知道......

來源

2010-02-12 01:44:36 sreejith

可選UTF-8 BOM是唯一有用的，如果它是存在：http://en.wikipedia.org/wiki/Byte_order_mark – trashgod 2010-02-12 03:03:16

@sreejith ..上面的BOM溶液只能用來告訴一個文件不是UTF-8（在這種情況下它不會與給定的BOM啓動）。但是如果BOM存在，它可以是UTF-8或不是。對於例如也許對於其他一些文件，最初的字節「EF，BB，BF」實際上是有效的數據。 – 2011-02-18 07:03:12

看看jchardet，一個從Mozilla瀏覽器移植的庫，專門用於「猜測」文檔的字符集。

作爲替代方案，所述cpdetector庫，一個較新的位，專門檢測文檔的代碼頁。

來源

2010-02-12 08:12:00 Sylar

如何檢測Java中的哪些字符集編碼？

回答

相關問題