Java自动检测编码http响应主体

Question

我有下载网页和处理正文的程序，我在检测某些页面的编码时遇到问题，特别是如果在标题或html内容中没有添加信息，是否有一种方法在java中自动检测并评估响应的String或html主体的char编码？

Answer 1

查看juniversalchardet，它是Mozilla编码检测器库的Java端口。

以下是检查编码是否为UTF-8的示例程序。

protected static boolean validUTF8(byte[] input) { 
  UniversalDetector detector = new UniversalDetector(null); 
  detector.handleData(input, 0, input.length); 
  detector.dataEnd(); 
  if ("UTF-8".equals(detector.getDetectedCharset())) { 
   return true; 
  } 
  return false; 
 } 

Answer 2

作为替代答案，我建议： URLConnection.guessContentTypeFromStream(InputStream is)但流必须支持标记，和 guessContentTypeFromName(String fname)（是的，我知道这听起来很愚蠢，但效率非常高。）

当然，首先你必须得到HttpURLConnection主体的Stream，有点像InputStream is = response.getInputStream();