如何確定文本編碼

Question

我知道UTF文件有BOM確定有關其他編碼方式進行編碼，但什麼有 不知道怎樣猜測編碼。

我是新的java程序員。 我已經編寫了使用UTF BOM來猜測UTF編碼的代碼。 但我有其他編碼問題。我如何猜測它們。

有人可以幫助我嗎？ 在此先感謝。

Answer 1

簡短的回答是：你不能。

即使在UTF-8，BOM是完全可選的，它通常建議不使用它，因爲許多應用程序無法正確處理它，只是顯示它，彷彿它是一個可打印字符。字節順序標記的最初目的是爲了說明UTF-16文件的字節順序。

這就是說，大多數處理Unicode的應用程序實現某種猜測算法。閱讀文件的開頭並查找特定的簽名。

Answer 2

如果你不知道的編碼和沒有任何指標（如BOM），它並不總是能夠準確地「猜」的編碼。有些指針可以給你提示。

例如，ISO-8859-1文件（通常）沒有任何字符爲0x00，但是一個UTF-16文件中有他們的負荷。

最常見的解決方案是讓用戶選擇的編碼，如果你不能檢測到它。

Answer 3

此問題是several的一個副本previousones。至少有兩個Java庫試圖猜測編碼（但請記住，沒有辦法在100％的時間內正確猜測）。

• GuessEncoding
• jchardet（由Mozilla Firefox瀏覽器使用的算法渣口）

當然，如果你知道的編碼將只有三個或四個選項中，你也許能夠寫出更準確的猜測算法。