判断从输入流中获取的字符串是什么编码（UTF-8环境）

谁践踏了优雅 2022-04-13 13:55 161阅读 0赞

当你从一个未知编码的文件中，通过输入流读取内容时，假如是乱码怎么办？

如果你不知道字符串的编码，可能你只能靠尝试常用的编码的方式，将字符串处理成正确编码格式。

举个例子：“**\#鍑借喘鍚岃櫣娆惧紡f**” 这是从某文件中读取的一行信息，怎么处理，一个一个去尝试么？不妨这样思考，用程序来帮忙判断其编码格式，同时将之转换成UTF-8编码怎么样。

## 特别说明： ##

##       （1）以下代码**仅适用于UTF-8的编译环境下，即Java文件使用UTF-8编码** ##

## **      （2）代码中仅列举了常见的几种编码格式，感兴趣的话请自行增加其他编码** ##

## **      （3）将一些编码格式转换成UTF-8不能成功，暂不知怎么解决，希望懂的大神不吝赐教，在此非常感谢** ##

**1、首先写一个枚举类**

/**
     * Unicode编码枚举类
     * 特别注意： 仅适合编码格式为UTF－8的编译系统中
     * @author WolfShadow
     * @date 2018年11月28日
     */
    public enum UnicodeEnum {
    	
    	UTF_8("UTF-8",(byte)35 , (byte)-27 , (byte)-121),
    	UTF_16("UTF-16",(byte)-30 , (byte)-113 , (byte)-91),
    	GBK("GBK",(byte)35 , (byte)-23 , (byte)-115),
    	GB2312("GB2312",(byte)35 , (byte)-17 , (byte)-65),
    	ISO_8859_1("ISO-8859-1",(byte)35 , (byte)-61 , (byte)-91),
    	
    	NULL("未知编码",(byte)-1 , (byte)-1 , (byte)-1);
    	
    	private String encoding;//编码
    	private byte byte1;//第1个字节
    	private byte byte2;//第2个字节
    	private byte byte3;//第3个字节
    	
    	private UnicodeEnum(String encoding, byte byte1,byte byte2, byte byte3) {
    		this.encoding = encoding;
    		this.byte1 = byte1;
    		this.byte2 = byte2;
    		this.byte3 = byte3;
    	}
    	
    	public static UnicodeEnum getUnicodeEnum(byte byte1,byte byte2, byte byte3){
    		UnicodeEnum[] values = UnicodeEnum.values();
    		for(UnicodeEnum enum1 : values){
    			if (enum1.getByte1()==byte1 && enum1.getByte2()==byte2 && enum1.getByte3()==byte3) {
    				return enum1;
    			}
    		}
    		return NULL;
    	}
    
    	public String getEncoding() {
    		return encoding;
    	}
    
    	public void setEncoding(String encoding) {
    		this.encoding = encoding;
    	}
    
    	public byte getByte1() {
    		return byte1;
    	}
    
    	public void setByte1(byte byte1) {
    		this.byte1 = byte1;
    	}
    
    	public byte getByte2() {
    		return byte2;
    	}
    
    	public void setByte2(byte byte2) {
    		this.byte2 = byte2;
    	}
    
    	public byte getByte3() {
    		return byte3;
    	}
    
    	public void setByte3(byte byte3) {
    		this.byte3 = byte3;
    	}
    }

**2、然后增加一个工具类**

/**
     * 字符串编码工具类
     * （1）检测字符串编码
     * （2）各种编码之间的转换（请自行完善）
     * （3）UTF－8、UTF-16、GBK、GB2312、ISO-8859-1等
     * @author WolfShadow
     * @date 2018年11月28日
     */
    public class UnicodeUtil {
    	
    	 /**
    	 * 返回字符串的编码格式
    	 * @param str
    	 * @return
    	 * @auther WolfShadow
    	 * @date 2018年11月28日
    	 */
    	public static String getUnicode(String str){
    		if (StringUtil.isEmpty(str)) {
    			return null;
    		}
    		byte[] bytes = str.getBytes();
    		UnicodeEnum unicodeEnum = UnicodeEnum.getUnicodeEnum(bytes[0], bytes[1], bytes[2]);
    		if (unicodeEnum == null) {
    			return null;
    		}
    		return unicodeEnum.getEncoding();
    	}
    	
    	 /**
    	 * 将字符串转换成UTF－8格式
    	 * @param str
    	 * @return
    	 * @throws UnsupportedEncodingException 
    	 * @auther WolfShadow
    	 * @date 2018年11月28日
    	 */
    	public static String getUTF_8(String str) throws UnsupportedEncodingException{
    		String unicode = getUnicode(str);
    		if (unicode == null || unicode.equals(UnicodeEnum.NULL.getEncoding())) {
    			return null;
    		}
    		return new String(str.getBytes(unicode),UnicodeEnum.UTF_8.getEncoding());
    	}
    }

**3、写一个测试方法（或新建一个测试类）**

main方法为：

public static void main(String[] args) throws UnsupportedEncodingException {
    		String test = "#函购同虹款式f"; 
    		String str1 = new String(test.getBytes(),"UTF-8");
    		String str2 = new String(test.getBytes(),"GBK");
    		String str3 = new String(test.getBytes(),"ISO-8859-1");
    		String str4 = new String(test.getBytes(),"UTF-16");
    		String str5 = new String(test.getBytes(),"GB2312");
    		String str6 = new String(test.getBytes(),"Unicode");
    		
    		System.out.println(getUnicode(str1));
    		System.out.println(getUnicode(str2));
    		System.out.println(getUnicode(str3));
    		System.out.println(getUnicode(str4));
    		System.out.println(getUnicode(str5));
    		System.out.println(getUnicode(str6));
    		
    		System.out.println(getUTF_8(str6));
    		System.out.println(getUTF_8(str5));
    		System.out.println(getUTF_8(str4));
    		System.out.println(getUTF_8(str3));
    		System.out.println(getUTF_8(str2));
    		System.out.println(getUTF_8(str1));
    	}

**4、输出结果**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAxODgxNzg_size_16_color_FFFFFF_t_70][]

### 很明显，转换成UTF-8的方法有Bug；使用UTF-16和使用Unicode对字符串编码，结果为什么是一样的呢；有没有哪位好心的大神指点一下，谢谢咯！ ###

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAxODgxNzg_size_16_color_FFFFFF_t_70]: /images/20220413/36a897d63ba84f2b85df668902f064ba.png