| 注册
请输入搜索内容

热门搜索

Java Linux MySQL PHP JavaScript Hibernate jQuery Nginx
jopen
10年前发布

基于Cpdetector 检测文件编码

使用Cpdetector jar包,提供两种方式检测文件编码,至于选择哪种 需要根据个人需求,文档有注释。依赖antlr-2.7.4.jar,chardet-1.0.jar,jargs-1.0.jar三个jar包。 可以再官网下载 http://cpdetector.sourceforge.net/。

话不多说 附上代码:

import info.monitorenter.cpdetector.io.ASCIIDetector;  import info.monitorenter.cpdetector.io.ByteOrderMarkDetector;  import info.monitorenter.cpdetector.io.CodepageDetectorProxy;  import info.monitorenter.cpdetector.io.JChardetFacade;  import info.monitorenter.cpdetector.io.ParsingDetector;  import info.monitorenter.cpdetector.io.UnicodeDetector;     import java.io.BufferedInputStream;  import java.io.ByteArrayInputStream;  import java.io.IOException;  import java.io.InputStream;  import java.nio.charset.Charset;     import org.apache.log4j.Logger;     /**   * <p>   *    获取流编码,不保证完全正确,设置检测策略 isFast为true为快速检测策略,false为正常检测   *    InputStream 支持mark,则会在检测后调用reset,外部可重新使用。   *    InputStream 流没有关闭。   * </p>   *    * <p>   *    如果采用快速检测编码方式,最多会扫描8个字节,依次采用的{@link UnicodeDetector},{@link byteOrderMarkDetector},   *    {@link JChardetFacade}, {@link ASCIIDetector}检测。对于一些标准的unicode编码,适合这个方式或者对耗时敏感的。   * </p>   *    * <p>   *    采用正常检测,读取指定字节数,如果没有指定,默认读取全部字节检测,依次采用的{@link byteOrderMarkDetector},{@link parsingDetector},{@link JChardetFacade}, {@link ASCIIDetector}检测。   *    字节越多检测时间越长,正确率较高。   * </p>   * @author WuKong   *   */  public class CpdetectorEncoding {             private static final Logger logger = Logger.getLogger(CpdetectorEncoding.class);             /**       * <p>       * 获取流编码,不保证完全正确,设置检测策略 isFast为true为快速检测策略,false为正常检测       * InputStream 支持mark,则会在检测后调用reset,外部可重新使用。       * InputStream 流没有关闭。       * </p>       *        * <p>       * 如果采用快速检测编码方式,最多会扫描8个字节,依次采用的{@link UnicodeDetector},{@link byteOrderMarkDetector},       * {@link JChardetFacade}, {@link ASCIIDetector}检测。对于一些标准的unicode编码,适合这个方式或者对耗时敏感的。       * </p>       *        * <p>       *  采用正常检测,读取指定字节数,如果没有指定,默认读取全部字节检测,依次采用的{@link byteOrderMarkDetector},{@link parsingDetector},{@link JChardetFacade}, {@link ASCIIDetector}检测。       *  字节越多检测时间越长,正确率较高。       * </p>       *       * @param in 输入流  isFast 是否采用快速检测编码方式       * @return Charset The character are now - hopefully - correct。如果为null,没有检测出来。       * @throws IOException        */      public Charset getEncoding(InputStream buffIn,boolean isFast) throws IOException{                     return getEncoding(buffIn,buffIn.available(),isFast);      }             public Charset getFastEncoding(InputStream buffIn) throws IOException{          return getEncoding(buffIn,MAX_READBYTE_FAST,DEFALUT_DETECT_STRATEGY);      }                           public Charset getEncoding(InputStream in, int size, boolean isFast) throws IOException {                     try {                             java.nio.charset.Charset charset = null;                             int tmpSize = in.available();              size = size >tmpSize?tmpSize:size;              //if in support mark method,               if(in.markSupported()){                                     if(isFast){                                             size = size>MAX_READBYTE_FAST?MAX_READBYTE_FAST:size;                      in.mark(size++);                      charset = getFastDetector().detectCodepage(in, size);                  }else{                                             in.mark(size++);                      charset = getDetector().detectCodepage(in, size);                  }                  in.reset();                                 }else{                                     if(isFast){                                             size = size>MAX_READBYTE_FAST?MAX_READBYTE_FAST:size;                      charset = getFastDetector().detectCodepage(in, size);                  }else{                      charset = getDetector().detectCodepage(in, size);                  }              }                                            return charset;          }catch(IllegalArgumentException e){                             logger.error(e.getMessage(),e);              throw e;          } catch (IOException e) {                             logger.error(e.getMessage(),e);              throw e;          }                 }                    public Charset getEncoding(byte[] byteArr,boolean isFast) throws IOException{                     return getEncoding(byteArr, byteArr.length, isFast);      }                    public Charset getFastEncoding(byte[] byteArr) throws IOException{                     return getEncoding(byteArr, MAX_READBYTE_FAST, DEFALUT_DETECT_STRATEGY);      }                    public Charset getEncoding(byte[] byteArr, int size,boolean isFast) throws IOException {                     size = byteArr.length>size?size:byteArr.length;          if(isFast){              size = size>MAX_READBYTE_FAST?MAX_READBYTE_FAST:size;          }                     ByteArrayInputStream byteArrIn = new ByteArrayInputStream(byteArr,0,size);          BufferedInputStream in = new BufferedInputStream(byteArrIn);                     try {                             Charset charset = null;              if(isFast){                                     charset = getFastDetector().detectCodepage(in, size);              }else{                                     charset = getDetector().detectCodepage(in, size);              }                             return charset;          } catch (IllegalArgumentException e) {                             logger.error(e.getMessage(),e);              throw e;          } catch (IOException e) {                             logger.error(e.getMessage(),e);              throw e;          }                }                           private static CodepageDetectorProxy detector =null;      private static CodepageDetectorProxy fastDtector =null;      private static ParsingDetector parsingDetector =  new ParsingDetector(false);      private static ByteOrderMarkDetector byteOrderMarkDetector = new ByteOrderMarkDetector();             //default strategy use fastDtector      private static final boolean DEFALUT_DETECT_STRATEGY = true;             private static final int MAX_READBYTE_FAST = 8;              private static CodepageDetectorProxy getDetector(){                     if(detector==null){                             detector = CodepageDetectorProxy.getInstance();               // Add the implementations of info.monitorenter.cpdetector.io.ICodepageDetector:               // This one is quick if we deal with unicode codepages:              detector.add(byteOrderMarkDetector);              // The first instance delegated to tries to detect the meta charset attribut in html pages.              detector.add(parsingDetector);              // This one does the tricks of exclusion and frequency detection, if first implementation is               // unsuccessful:              detector.add(JChardetFacade.getInstance());              detector.add(ASCIIDetector.getInstance());          }                     return detector;      }                    private static CodepageDetectorProxy getFastDetector(){                     if(fastDtector==null){                             fastDtector = CodepageDetectorProxy.getInstance();              fastDtector.add(UnicodeDetector.getInstance());              fastDtector.add(byteOrderMarkDetector);               fastDtector.add(JChardetFacade.getInstance());              fastDtector.add(ASCIIDetector.getInstance());          }                     return fastDtector;      }         }


 本文由用户 jopen 自行上传分享,仅供网友学习交流。所有权归原作者,若您的权利被侵害,请联系管理员。
 转载本站原创文章,请注明出处,并保留原始链接、图片水印。
 本站是一个以用户分享为主的开源技术平台,欢迎各类分享!
 本文地址:https://www.open-open.com/lib/view/open1421579818062.html
常用工具包 Cpdetector