Java texte texte codant

Si votre fichier texte est un fichier texte unicode correctement créé, la marque d'ordre d'octets (BOM) devrait vous indiquer toutes les informations dont vous avez besoin. Voir ici pour plus de détails sur BOM

Si ce n'est pas alors vous devrez utiliser une bibliothèque de détection de codage.

Oui, il existe un certain nombre de méthodes pour la détection du codage des caractères, en particulier en Java. Jetez un coup d'œil à JCHARTET qui est basé sur l'algorithme Mozilla. Il y a aussi CPDetector et un projet par IBM appelé ICU4J . Je jetterais un coup d'œil à ce dernier, car il semble être plus fiable que les deux autres. Ils fonctionnent en fonction de l'analyse statistique du fichier binaire, l'ICU4J fournira également un niveau de confiance du codage du caractère qu'il détecte afin que vous puissiez l'utiliser dans l'affaire ci-dessus. Ça marche assez bien.

Vous pouvez utiliser ICU4J ( http://icu-project.org/apiref/icu4j/ A>)

Voici mon code: P>

            String charset = "ISO-8859-1"; //Default chartset, put whatever you want

            byte[] fileContent = null;
            FileInputStream fin = null;

            //create FileInputStream object
            fin = new FileInputStream(file.getPath());

            /*
             * Create byte array large enough to hold the content of the file.
             * Use File.length to determine size of the file in bytes.
             */
            fileContent = new byte[(int) file.length()];

            /*
             * To read content of the file in byte array, use
             * int read(byte[] byteArray) method of java FileInputStream class.
             *
             */
            fin.read(fileContent);

            byte[] data =  fileContent;

            CharsetDetector detector = new CharsetDetector();
            detector.setText(data);

            CharsetMatch cm = detector.detect();

            if (cm != null) {
                int confidence = cm.getConfidence();
                System.out.println("Encoding: " + cm.getName() + " - Confidence: " + confidence + "%");
                //Here you have the encode name and the confidence
                //In my case if the confidence is > 50 I return the encode, else I return the default value
                if (confidence > 50) {
                    charset = cm.getName();
                }
            }