一、前言
在实际开发中，我们常常涉及某些场景需要对文件的读取，但是因为不知道具体的编码格式，导致读取到的文件内容乱码，因此在读取文件内容之前，需要解析获取文件的编码，这样读取的内容就不会出现乱码了，下面是常见的几种获取文件编码的方式。
二、java实现获取文件编码的几种方式。
1.引入第三方依赖库juniversalchardet实现编码获取。
（1）首先添加juniversalchardet Maven依赖。
（2）定义一个FileEncodeUtils类。
import org.mozilla.universalchardet.UniversalDetector;
import java.io.*;
import java.nio.charset.Charset;
import java.util.Objects;
public static Charset getCharset(File file) {
try (InputStream in = new FileInputStream(file)) {
String encoding = UniversalDetector.detectCharset(in);
if (encoding != null) {
return Charset.forName(encoding);
}
} catch (Exception e) {
e.printStackTrace();
}
return Charset.defaultCharset();
}
public static void main(String[] args) {
File file = new File("D:\\111.csv");
System.err.println(getCharset(file).name());
}
运行下main方法就可以获取对应的文件编码了。
2.使用hutool工具包获取文件编码。
（1）.添加maven依赖
（2）定义一个方法获取文件编码。
public static Charset getFileCharset(File file) {
try (InputStream in = new FileInputStream(file);
ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
//最多循环3次,每次2kb,主要是防止一次不能获取到编码
int cycleNum = 0;
Charset charset = null;
byte[] buffer = new byte[4096];
int len;
while (cycleNum < 3 && (len = in.read(buffer)) > -1) {
baos.write(buffer, 0, len);
baos.flush();
cycleNum++;
charset = CharsetDetector.detect(1024 * cycleNum, new ByteArrayInputStream(baos.toByteArray()), null);
if (Objects.nonNull(charset)) {
break;
}
}
if (charset != null) {
} else {
return Charset.defaultCharset();
}
return charset;
} catch (Exception e) {
//使用默认编码utf-8
return Charset.defaultCharset();
}
}
public static void main(String[] args) {
File file = new File("D:\\111.csv");
System.err.println(getFileCharset(file).name());
}
运行main方法即可获取编码。
3.基于 Java 原生 API获取编码
（1）通过 InputStreamReader 获取文件编码。
public static Charset getCharset(File file) {
try (InputStream in = new FileInputStream(file);
InputStreamReader isr = new InputStreamReader(in)) {
String encoding = isr.getEncoding(); // 返回当前流的编码（如 "UTF8"）
if (encoding != null) {
return Charset.forName(encoding);
}
} catch (Exception e) {
e.printStackTrace();
}
return Charset.defaultCharset();
}
public static void main(String[] args) {
File file = new File("D:\\111.csv");
System.err.println(getCharset(file).name());
}
这个不需要依赖第三方包，但仅适用于流未被修改且编码已知的场景，对未知编码可能返回默认值（如系统编码）。
4.手动解析字节特征判断是否是utf8。
/**
* 判断文件内容是否为 UTF-8 编码
* @author
*/
public static boolean checkUTF8(InputStream fis) {
//请注意fis是流，是不能复用的！
try {
while (true) {
int curr = fis.read();
if (curr == -1) {
return true;
}
if (curr < 0x80) {// (10000000): 值小于0x80的为ASCII字符
return false;
} else if (curr < (0xC0)) { // (11000000): 值介于0x80与0xC0之间的为无效UTF-8字符
return false;
} else if (curr < (0xE0)) { // (11100000): 此范围内为2字节UTF-8字符
if ((fis.read() & (0xC0)) != 0x80) {
return false;
}
return true;
} else if (curr < (0xF0)) { // (11110000): 此范围内为3字节UTF-8字符
if ((fis.read() & (0xC0)) != 0x80 || (fis.read() & (0xC0)) != 0x80) {
return false;
}
return true;
} else {
return false;
}
}
} catch (IOException e) {
return true;
}
}
这种方式可以简单判断是否为utf-8编码，但实现复杂，需编码知识，一般不推荐。
总结：
1.第三方库juniversalchardet 准确性高（需足够数据支撑统计分析），同时由于局限性：可能由于训练数据或算法原因，对某些GBK变体支持不足。
2.Hutool CharsetDetector实现较为基础，如通过 BOM 头或 ASCII 范围快速判断，缺乏复杂编码的统计分析能力。适用于简单场景（如明确已知 UTF-8 或 ASCII 编码）以及快速开发且对编码检测精度要求不高时。