我目前正在开发一个应用程序来验证和解析CSV文件。 CSV文件必须以UTF-8编码，尽管有时我们会以错误编码方式获取文件。 CSV文件很可能包含德语字母（Ä，Ö，Ü，ß）的特殊字符，因为CSV文件中的大部分文本都是德语。
对于验证器的一部分，我需要确保该文件是UTF-8编码的。只要不存在特殊字符，解析时很可能没有问题。
到目前为止，我所尝试的是将文件作为字节读取并使用一些库来检测（或猜测）编码。我尝试了这篇博文的大部分可能性：http://fredeaker.blogspot.com/2007/01/character-encoding-detection.html
但我尝试的所有库都没有返回正确的编码，因此我无法解析特殊字符。
现在我的问题： 有没有办法确定像UTF-8这样的给定字符编码来检测未正确编码的字符？所以基本上（Eclipse）控制台中显示的字符为问号。
或者还有其他方法可以正确确定字符编码吗？ 我只需要知道它是否是UTF-8。
先谢谢大家的帮助！ ：）
最诚挚的问候， 罗伯特
答案 0 :(得分：6)
无法正确解码的字节序列将替换为“替换字符”\uFFFD，其显示如下： 。但是，如果输出设备不支持该字符，则可能会使用问号（？）代替。
因此，在将UTF-8数据解码为String个对象后，搜索\uFFFD的出现次数。
或者，如果您设置了InputStreamReader，其中包含您自己创建的CharsetDecoder实例，则可以获得更多控制权。例如，您可以指定如果任何无法解码的字节序列，则应引发Exception。或者你可以忽略它们。或者，您可以指定其他字符作为替换字符。
答案 1 :(得分：1)
如果文本是德语并且编码不是UTF-8，则可能是windows-1252。或者与windows-1252兼容的东西，比如ISO-8859-15。既然如此，Laforge的GuessEncoding应该就是您所需要的。我已经使用了很多，从来没有遇到任何问题，而且几乎只使用英文文本;德语应该更容易被发现。
我发现他仍然没有在他的博客或源文件中指定许可证，但我知道这些类在Groovy中使用，所以这应该不是问题。