Java字符串乱码转byte[]数组判断编码类型的方法

水深无声 2022-05-16 00:14 687阅读 0赞

是这样的，在使用jsoup做爬虫的时候，抓取到的网页二进制编码不确定，有的是utf-8有的是GBK，所以就需要进行编码判断

使用工具：juniversalchardet

maven包：

<dependency>
                <groupId>com.googlecode.juniversalchardet</groupId>
                <artifactId>juniversalchardet</artifactId>
                <version>1.0.3</version>
            </dependency>

判断编码格式代码（来自CSDN，这段代码是我复制的，原文地址：[https://blog.csdn.net/ajaxhu/article/details/12446917][https_blog.csdn.net_ajaxhu_article_details_12446917]）

package com.spider.common.tools;
    
    import org.mozilla.universalchardet.UniversalDetector;
    /**
     * 作用：
     * 作者：Tiddler
     * 时间：2018-08-2018/8/13 12：00
     * 类名：GetByteEncode
     **/
    public class GetByteEncode {
        public static String getEncoding(byte[] bytes) {
            String DEFAULT_ENCODING = "UTF-8";
            UniversalDetector detector =new UniversalDetector(null);
            detector.handleData(bytes, 0, bytes.length);
            detector.dataEnd();
            String encoding = detector.getDetectedCharset();
            detector.reset();
            if (encoding == null) {
                encoding = DEFAULT_ENCODING;
            }
            return encoding;
        }
    }

使用：

String responseContext = null;
    byte[] bytes = response.body().bytes();
    String encoding = GetByteEncode.getEncoding(bytes);//编码判断
    System.out.println("字符编码是："+encoding);
    if(encoding.indexOf("GB")>=0){//由于GBK编码有多种，此处这样判断即可
        responseContext = new String(bytes,"gbk");
    }
    if("UTF-8".equals(encoding)){
        responseContext = new String(bytes,"utf-8");
    }

如果获得了一段乱码字符串判断编码解决思路：

先把乱码字符串转byte数组，然后按照上面的方法进行判断即可

[https_blog.csdn.net_ajaxhu_article_details_12446917]: https://blog.csdn.net/ajaxhu/article/details/12446917