Java：判断文件的编码

首先，不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

ANSI：　　　　　　　　无格式定义；
Unicode： 　　　　　　前两个字节为FFFE；
Unicode big endian：　前两字节为FEFF；　
UTF-8：　 　　　　　　前两字节为EFBB；　

知道了各种编码格式的区别，写代码就容易了.

publicstaticStringget_charset(Filefile){
Stringcharset="GBK";
byte[]first3Bytes=newbyte[3];
try{
boolean;
BufferedInputStreambis=newBufferedInputStream(newFileInputStream(file));
bis.mark(0);
intread=bis.read(first3Bytes,0,3);
if(read==-1)returncharset;
if(first3Bytes[0]==(byte)0xFF&&first3Bytes[1]==(byte)0xFE){
charset="UTF-16LE";
checked=true;
}
elseif(first3Bytes[0]==(byte)0xFE&&first3Bytes[1]==(byte)0xFF){
charset="UTF-16BE";
checked=true;
}
elseif(first3Bytes[0]==(byte)0xEF&&first3Bytes[1]==(byte)0xBB&&first3Bytes[2]==(byte)0xBF){
charset="UTF-8";
checked=true;
}
bis.reset();
if(!checked){
//intlen=0;
intloc=0;

while((read=bis.read())!=-1){
loc++;
if(read>=0xF0)break;
if(0x80<=read&&read<=0xBF)//单独出现BF以下的，也算是GBK
break;
if(0xC0<=read&&read<=0xDF){
read=bis.read();
if(0x80<=read&&read<=0xBF)//双字节(0xC0-0xDF)(0x80
//-0xBF),也可能在GB编码内
continue;
elsebreak;
}
elseif(0xE0<=read&&read<=0xEF){//也有可能出错，但是几率较小
read=bis.read();
if(0x80<=read&&read<=0xBF){
read=bis.read();
if(0x80<=read&&read<=0xBF){
charset="UTF-8";
break;
}
elsebreak;
}
elsebreak;
}
}
//System.out.println(loc+""+Integer.toHexString(read));
}

bis.close();
}catch(Exceptione){
e.printStackTrace();
}

returncharset;
}

其中File也可以修改成String ,因为FileInputStream支持FILE类型和String类型，String 为文件的绝对路径