Java 如何获取文本文件的编码

[Kontinue]

现在有这么个需求，用户可以上传一些列的文件，然后需要 web 预览，但是读取文件的时候如何去判断文件编码，至少最基本需要知道是 utf-8 还是 gbk 的。

如果是 utf8 bom 的可以根据前几个字节去判断，但是很多是无 bom 的，不知道应该怎么去判断了

谢谢大家，最后选择了 juniversalchardet 这个包，常见的几种编码基本上可以分别出来的。

[lhx2008]

要是这么好解决的话，编辑器都不用提供编码切换了。。无头就统一按 UTF-8 处理吧

[yousabuk]

用户上传时自己选择编码方式，旁边预览文本部分内容按编码后的内容。

[Kontinue]

@lhx2008 那 gbk 的怎么办呢，也是无头的吧

[cheng6563]

只能猜

[lhx2008]

@Kontinue #3 如果只有 UTF-8 和 GBK 两种编码，可以用一些方法来猜一下是不是 UTF-8 模式，但是不可能完全准确（比如字符太少了）。

[hcymk2]

chardet

[minami]

python 有 chatdet 库，java 应该也有移植吧…

[minami]

@minami chardet

[Foxkeh]

文件格式有要求的话,
我的做法是让用户先在上传界面下载模板然后在模板中编辑

[kanezeng]

完美的不太可能，但是如果你可选范围不大的话，可以大概猜一下，比如内容是否符合 utf-8 的变长编码方式，是否落在 GBK 编码范围：8140 － FEFE，剔除 xx7F 码位之类的。
很久以前我还做过就是比如抽取一段出来用一种编码去读入，看看有没有报错，没报错就转 utf8 再转回来比较一下和之前是不是一致的之类的各种土法炼钢。

[littlewing]

只能靠猜，根据编码范围去猜，但不能保证 100%准确

[kingiis]

用 utf-8 去读 判断有没有乱码就行了

[xuanbg]

只能按个去枚举，哪个特征符合了就是哪个编码。分辨不出就只能人工选择了。

[slyang5]

@kingiis 程序知道什么是乱码 吗？？

[lechain]

个人觉得可以给用户提供各种编码选项，让用户选择按什麽编码格式来解析他上传的文本

[iminto]

https://iminto.github.io/post/php%E7%9A%84mb_check_encoding%E5%87%BD%E6%95%B0%E7%9A%84%E5%AD%98%E5%9C%A8%E6%98%AF%E9%B8%A1%E8%82%8B%E5%90%97/

看下这篇文章，你就知道判断编码是怎么回事了