文件相关的算法实现

package com.opslab.util.algorithmImpl;

import org.mozilla.intl.chardet.nsDetector;
import org.mozilla.intl.chardet.nsICharsetDetectionObserver;

import java.io.*;

/**
* 文件相关的算法实现
*/
public class FileImpl {

/**
* **************************************************
* 以下方式利用mozilla的jchardet作为探测工具
*/

private static boolean found = false;
/**
* 如果完全匹配某个字符集检测算法, 则该属性保存该字符集的名称. 否则(如二进制文件)其值就为默认值 null, 这时应当查询属性
*/
private static String encoding = null;

/**
* 利用文件头特征判断文件的编码方式
*
* @param fileName 需要处理的文件
* @return 返回文件编码
*/
public static String simpleEncoding(String fileName) {
int p = 0;
try (
BufferedInputStream bin = new BufferedInputStream(new FileInputStream(fileName));
) {
p = (bin.read() << 8) + bin.read();
} catch (IOException e) {
e.printStackTrace();
}
String code = null;
switch (p) {
case 0xefbb:
code = "UTF-8";
break;
case 0xfffe:
code = "Unicode";
break;
case 0xfeff:
code = "UTF-16BE";
break;
default:
code = "GBK";
}
return code;
}

/**
* 传入一个文件(File)对象，检查文件编码
*
* @param file File对象实例
* @return 文件编码，若无，则返回null
* @throws FileNotFoundException
* @throws IOException
*/
public static String guestFileEncoding(File file) throws IOException {
return geestFileEncoding(file, new nsDetector());
}

/**
* 获取文件的编码
*
* @param file File对象实例
* @param languageHint 语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;
* 4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)
* @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null
* @throws FileNotFoundException
* @throws IOException
*/
public static String guestFileEncoding(File file, int languageHint) throws IOException {
return geestFileEncoding(file, new nsDetector(languageHint));
}

/**
* 获取文件的编码
*
* @param path 文件路径
* @return 文件编码，eg：UTF-8,GBK,GB2312形式，若无，则返回null
* @throws FileNotFoundException
* @throws IOException
*/
public static String guestFileEncoding(String path) throws IOException {
return guestFileEncoding(new File(path));
}

/**
* 获取文件的编码
*
* @param path 文件路径
* @param languageHint 语言提示区域代码 eg：1 : Japanese; 2 : Chinese; 3 : Simplified Chinese;
* 4 : Traditional Chinese; 5 : Korean; 6 : Dont know (default)
* @return 返回文件的编码
* @throws FileNotFoundException
* @throws IOException
*/
public static String guestFileEncoding(String path, int languageHint) throws FileNotFoundException, IOException {
return guestFileEncoding(new File(path), languageHint);
}

/**
* 获取文件的编码
*
* @param file 需要处理文件的编码
* @param det nsDetector
* @return 返回文件编码
* @throws FileNotFoundException
* @throws IOException
*/
private static String geestFileEncoding(File file, nsDetector det) {
det.Init(new nsICharsetDetectionObserver() {
public void Notify(String charset) {
found = true;
encoding = charset;
}
});
byte[] buf = new byte[1024];
int len;
boolean done = false;
boolean isAscii = true;
try (
BufferedInputStream imp = new BufferedInputStream(new FileInputStream(file));
) {
while ((len = imp.read(buf, 0, buf.length)) != -1) {
// Check if the stream is only ascii.
if (isAscii) {
isAscii = det.isAscii(buf, len);
}

// DoIt if non-ascii and not done yet.
if (!isAscii && !done) {
done = det.DoIt(buf, len, false);
}
}
det.DataEnd();
} catch (IOException e) {
e.printStackTrace();
}

if (isAscii) {
encoding = "ASCII";
found = true;
}

if (!found) {
String prob[] = det.getProbableCharsets();
if (prob.length > 0) {
// 在没有发现情况下，则取第一个可能的编码
encoding = prob[0];
} else {
return null;
}
}
return encoding;
}
}