您现在的位置：程式碼之家 >> 編程語言 > >> Java 程式設計 >> Java 相關知識

Java 偵測檔案編碼格式完整指南：BOM、cpdetector、實戰應用

編輯：Java 相關知識

前言

檔案編碼偵測是處理文字檔、匯入匯出、跨系統整合的常見痛點。本文系統整理三層次解法：簡易 BOM 判斷、cpdetector 統計式偵測、Properties 載入編碼處理，並提供可直接落地的完整程式碼。

層次一：簡易 UTF-8 BOM 偵測

適用於僅需區分 UTF-8 與系統預設編碼（中文環境通常為 GBK/Big5）的情境：

public class SimpleEncodingDetector {
    // UTF-8 BOM: EF BB BF -> 有號位元組: -17, -69, -65
    private static final byte[] UTF8_BOM = new byte[] { (byte) 0xEF, (byte) 0xBB, (byte) 0xBF };

    public static String detectEncoding(String filePath) throws IOException {
        try (FileInputStream fis = new FileInputStream(filePath)) {
            byte[] bom = new byte[3];
            int read = fis.read(bom);
            if (read == 3 && matches(bom, UTF8_BOM)) {
                return "UTF-8";
            }
        }
        // 無 BOM 視為系統預設編碼
        return Charset.defaultCharset().name(); // 通常為 GBK (Windows) 或 UTF-8 (Linux)
    }

    private static boolean matches(byte[] a, byte[] b) {
        if (a.length != b.length) return false;
        for (int i = 0; i < a.length; i++) {
            if (a[i] != b[i]) return false;
        }
        return true;
    }
}

層次二：cpdetector 統計式偵測 - 專業級方案

cpdetector 整合多種偵測器（JChardet、ASCII、Unicode、Parsing），準確度遠高於單一演算法：

Maven 依賴

<dependency>
    <groupId>com.googlecode.cpdetector</groupId>
    <artifactId>cpdetector</artifactId>
    <version>1.0.10</version>
</dependency>
<!-- 相依：antlr, chardet -->

通用偵測工具類

import com.chenlb.cpdetector.*;

public class EncodingDetector {
    private static final CodepageDetectorProxy detector = buildDetector();

    private static CodepageDetectorProxy buildDetector() {
        CodepageDetectorProxy proxy = CodepageDetectorProxy.getInstance();
        proxy.add(new ParsingDetector(false));           // HTML/XML meta 標籤偵測
        proxy.add(JChardetFacade.getInstance());         // Mozilla JChardet 統計偵測（核心）
        proxy.add(ASCIIDetector.getInstance());          // ASCII 純英文偵測
        proxy.add(UnicodeDetector.getInstance());        // UTF-16/32 BOM 偵測
        return proxy;
    }

    // 檔案路徑偵測
    public static String detect(File file) {
        try {
            Charset charset = detector.detectCodepage(file.toURI().toURL());
            return charset != null ? charset.name() : null;
        } catch (Exception e) {
            return null;
        }
    }

    // URL 偵測（支援 classpath、jar 內資源）
    public static String detect(URL url) {
        try {
            Charset charset = detector.detectCodepage(url);
            return charset != null ? charset.name() : null;
        } catch (Exception e) {
            return null;
        }
    }

    // InputStream 偵測（需指定取樣位元組數）
    public static String detect(InputStream in, int sampleBytes) {
        try {
            Charset charset = detector.detectCodepage(in, sampleBytes);
            return charset != null ? charset.name() : null;
        } catch (Exception e) {
            return null;
        }
    }
}

實戰應用範例

public class EncodingUsageDemo {
    public static void main(String[] args) throws Exception {
        // 1. 讀取內部檔案
        File config = new File("config.properties");
        String encoding = EncodingDetector.detect(config);
        System.out.println("偵測編碼：" + encoding);
        try (BufferedReader br = new BufferedReader(
                new InputStreamReader(new FileInputStream(config), encoding))) {
            String line;
            while ((line = br.readLine()) != null) {
                System.out.println(line);
            }
        }

        // 2. 讀取 classpath 資源
        URL url = EncodingUsageDemo.class.getResource("/resource/設定檔.xml");
        String enc = EncodingDetector.detect(url);
        try (BufferedReader br = new BufferedReader(
                new InputStreamReader(url.openStream(), enc))) {
            // 處理內容...
        }

        // 3. 列出 JVM 支援編碼
        System.out.println("支援編碼：" + Charset.availableCharsets().keySet());
        System.out.println("預設編碼：" + Charset.defaultCharset());
    }
}

層次三：Properties 載入編碼問題與解決

Properties.load(InputStream) 內部使用 ISO-8859-1 讀取，中文會亂碼。三種解法：

方案一：顯式轉碼

Properties props = new Properties();
try (FileInputStream fis = new FileInputStream("config.properties")) {
    props.load(fis);
}
String value = props.getProperty("key");
String realValue = new String(value.getBytes("ISO-8859-1"), "UTF-8"); // 或 GBK

方案二：約定編碼（推薦）

// 專案規範：所有 .properties 必須用 UTF-8 儲存
try (FileInputStream fis = new FileInputStream("config.properties");
     InputStreamReader isr = new InputStreamReader(fis, StandardCharsets.UTF_8)) {
    props.load(isr);
}
// 直接讀取即為正確中文

方案三：自動偵測編碼後載入

File file = new File("config.properties");
String encoding = EncodingDetector.detect(file);
try (FileInputStream fis = new FileInputStream(file);
     InputStreamReader isr = new InputStreamReader(fis, encoding)) {
    props.load(isr);
}

效能與準確度權衡

方案	準確度	效能	適用場景
BOM 判斷	低（無 BOM 失效）	極快	內部產出檔案、可控環境
cpdetector	高（統計學基礎）	中等（需取樣）	外部檔案、使用者上傳、未知來源
約定 UTF-8	100%	最快	團隊專案、新建系統、微服務溝通