java 如何判断txt的编码字符集

Question

最近在做一个文本阅读器，显示时需要获得本地导入的txt的编码字符集，网上搜了，都不行，还在搜，请高手给个成熟的方法，谢谢了。在线狂等中.
我的代码(不可用)：
private static void judgeTextCode(String strFilePath) {
FileInputStream fis = null;
try {
fis = new FileInputStream(strFilePath);
int a = fis.read();
int b = fis.read();
if(a==0xFF&&b==0xFE) {
System.out.println("----------Unicode------");
} 
else if(a==0xFE&&b==0xFF) {
System.out.println("----------UTF-16BE------");
}
else if(a==0xEF&&b==0xBB) {
System.out.println("----------UTF-8------");
} else {
System.out.println("----------GBK------");
}
} catch(Exception e) {
e.printStackTrace();
} finally {
try {
if(fis != null) {
fis.close();
}
} catch(Exception e) {
e.printStackTrace();
}
}

}java

Answer 1

public static void main(String[] args) {
try {
String charset = getCharset(new File("c:\\2.txt"));
System.out.println(charset);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
 public static String toHex(byte[] byteArray) {
        int i;
        StringBuffer buf = new StringBuffer("");
        int len = byteArray.length;
        for (int offset = 0; offset < len; offset++) {
            i = byteArray[offset];
            if (i < 0)
                i += 256;
            if (i < 16)
                buf.append("0");
            buf.append(Integer.toHexString(i));
        }
        return buf.toString().toUpperCase();
    }
  private static String getCharset(File fileName) throws IOException {
        BufferedInputStream bin = new BufferedInputStream(new FileInputStream(fileName));
        byte[] b = new byte[10];
        bin.read(b, 0, b.length);
        String first = toHex(b);
 //这里可以看到各种编码的前几个字符是什么，gbk编码前面没有多余的
        String code = null;
        if (first.startsWith("EFBBBF")) {
            code = "UTF-8";
        } else if (first.startsWith("FEFF00")) {
            code = "UTF-16BE";
        } else if (first.startsWith("FFFE")) {
            code = "Unicode";
        } else if (first.startsWith("FFFE")) {
            code = "Unicode";
        } else {
            code = "GBK";
        }
        return code;
    }

Answer 2

上面的不行啊，有些txt判断正确，有些不正确

Answer 3

可是有篇txt，本来是UTF-8的，用上面方法得到的是GBK，出现乱码，但是用ireader读就没问题

Answer 4

else {
                code = "GBK";
            }GBK改为ANSI

Answer 5

我用了个开源的探测器方法:
public static void getCharset(String path) {
CodepageDetectorProxy detector =   CodepageDetectorProxy.getInstance();   
detector.add(new ParsingDetector(false));    
detector.add(ASCIIDetector.getInstance());   
detector.add(UnicodeDetector.getInstance());   
java.nio.charset.Charset charset = null;   
File f=new File(path);   
try {   
      charset = detector.detectCodepage(new BufferedInputStream(new FileInputStream(f)),100);   
} catch (Exception ex) {ex.printStackTrace();}   
if(charset!=null){   
     System.out.println(f.getName()+"编码是："+charset.name());   
}else{  
    System.out.println(f.getName()+"未知");  
}
}
但总是报:java.lang.IllegalArgumentException: More than the given length had to be read and the given stream could not be reset. Undetermined state for this detection.
at info.monitorenter.cpdetector.io.CodepageDetectorProxy.detectCodepage(CodepageDetectorProxy.java:198)
 谁用过这个探测器啊，指点下

Answer 6

在网上搜到一个方法，探测各种文件(html,txt,ascii)字符集都可以:http://blog.sina.com.cn/s/blog_80e4822f0101dd0s.html

Answer 7

byte[] head = new byte[3];
            inputStream.read(head);
            String code = "gbk";
            if (head[0] == -1 && head[1] == -2){
                code = "UTF-16";
            }
            if (head[0] == -2 && head[1] == -1){
                code = "Unicode";
            }
            if (head[0] == -17 && head[1] == -69 && head[2] == -65){
                code = "UTF-8";
            }