java - 如何确定文本编码

Question

我知道 UTF 文件具有用于确定编码的 BOM，但是其他不知道如何猜测该编码的编码呢？

我是新的java程序员。我已经编写了使用 UTF BOM 猜测 UTF 编码的代码。但我对其他编码有疑问。我怎么猜他们。

任何人都可以帮助我吗？提前致谢。

Answer 1

这个问题与之前的几个 问题重复。至少有两个 Java 库试图猜测编码（尽管请记住，没有办法 100% 正确猜测）。

• 猜测编码
• jchardet（Mozilla firefox 使用的算法的 Java 端口）

当然，如果你知道编码只是三个或四个选项之一，你也许可以编写一个更准确的猜测算法。

Answer 2

简短的回答是：你不能。

即使在 UTF-8 中，BOM 也是完全可选的，通常建议不要使用它，因为许多应用程序无法正确处理它，只是将其显示为可打印的字符。字节顺序标记的最初目的是说明 UTF-16 文件的字节顺序。

这就是说，大多数处理 Unicode 的应用程序都实现了某种猜测算法。阅读文件的开头并查找某些签名。

Answer 3

如果您不知道编码并且没有任何指示符（如 BOM），则并不总是可以准确“猜测”编码。存在一些可以给你提示的指针。

例如，一个 ISO-8859-1 文件（通常）没有任何 0x00 字符，但是一个 UTF-16 文件有它们的负载。

最常见的解决方案是如果您无法检测到编码，则让用户选择它。