判断网页的编码（转）

判断网页的编码我们主要是为了在解析网页时出现一些乱码问题。主要用到了两个jar包 
chardet.jar和cpdetector_1.0.7.jar。 
具体的使用如下： 

public class BianMa {

	public static void main(String[] args){
		
		String path="";
		CodepageDetectorProxy detector =   CodepageDetectorProxy.getInstance(); 
		detector.add(new ParsingDetector(true)); 
		detector.add(JChardetFacade.getInstance());  
		//ASCIIDetector用于ASCII编码测定  
		detector.add(ASCIIDetector.getInstance());  
		//UnicodeDetector用于Unicode家族编码的测定  
		detector.add(UnicodeDetector.getInstance());  
		java.nio.charset.Charset charset = null;  
		File f=new File("C:\\TEST\\13128931.html");  
		try {  
		      charset = detector.detectCodepage(new BufferedInputStream(new FileInputStream(f)),100);  
		} catch (Exception ex) {ex.printStackTrace();}  
		if(charset!=null){  
		     System.out.println(f.getName()+"编码是："+charset.name());  
		}else{ 
		    System.out.println(f.getName()+"未知"); 
		} 
	}
	
}

    

 主要是读取页面的头文件的一段字符，然后分析。当然也可以变换下测试文本或其他类型文件的编码。

cpdetector_1.0.7.jar (50.3 KB)

chardet.jar (35.7 KB)