Question

我的Android应用程序检索SHOUTcast元数据并显示它。我正在使用非英语字符集。基本上，元数据显示为乱码。如何执行字符编码检测并正确显示文本？很抱歉，如果这是一个非常重要的问题，我对这个主题并不精通。

相关信息流为：http://skully.hopto.org:8000

Answer 1

正如上面评论中提到的 vorrtex ，如果您的数据来自格式良好的HTML代码，您可以从<meta content="...">标记中了解其编码，这是最佳方案。您可以使用以下代码将其转换为Android（或其他Java实现）字符串：

// assume you have your input data as byte array buf, and encoding
// something like "windows-1252", "UTF-8" or whatever
String str = new String(buf, encoding);
// now your string will display correctly

如果您不知道编码 - 您将数据作为未知格式的原始文本接收 - 您仍然可以使用统计语言模型尝试算法来猜测它。我刚刚在http://site.icu-project.org/

找到了IBM的 ICU - Unicode的国际组件项目，以及自由开源许可（商业用途OK）

它们提供Java和C ++库。我刚刚添加了他们的Java JAR ver。 51.2到我的Android项目，它就像一个魅力。我用来识别文本文件中字符编码的代码是：

public static String readFileAsStringGuessEncoding(String filePath)
{
    String s = null;
    try {
        File file = new File(filePath);
        byte [] fileData = new byte[(int)file.length()];
        DataInputStream dis = new DataInputStream(new FileInputStream(file));
        dis.readFully(fileData);
        dis.close();

        CharsetMatch match = new CharsetDetector().setText(fileData).detect();

        if (match != null) try {
            Lt.d("For file: " + filePath + " guessed enc: " + match.getName() + " conf: " + match.getConfidence());
            s = new String(fileData, match.getName());
        } catch (UnsupportedEncodingException ue) {
            s = null;
        }
        if (s == null)
            s = new String(fileData);
    } catch (Exception e) {
        Lt.e("Exception in readFileAsStringGuessEncoding(): " + e);
        e.printStackTrace();
    }
    return s;
}

上面的

Lt.d 和 Lt.e 只是我 Log.d的快捷方式（TAG，“等等......”） 。在我能提出的所有测试文件上都工作得很好。我有点担心APK文件大小 - icu4j-51_2.jar超过9 MB长，我的整个包只有2.5 MB才添加它。但很容易隔离CharsetDetector及其依赖项，所以最终我最终添加的不超过50 kB。我需要从ICU源复制到我的项目的Java类都在core / src / com / ibm / icu / text目录下，并且是：

CharsetDetector
CharsetMatch
CharsetRecog_2022
CharsetRecog_mbcs
CharsetRecog_sbcs
CharsetRecog_Unicode
CharsetRecog_UTF8
CharsetRecognizer

另外在CharsetRecog_sbcs.java中有一个受保护的'ArabicShaping as;'想要拉出更多课程的成员，但事实证明，对于字符集的识别它并不需要，所以我评论了它。就这样。希望它有所帮助。

格雷格

Android中的Charset检测

1 个答案: