如何检测文件是否未经utf-8编码？

Question

在Java中，如何测试文件的编码绝对不是utf-8？

我希望能够验证内容是否格式正确utf-8。

此外，还需要验证文件不是以字节顺序标记（BOM）开头。

Answer 1

如果您只需要测试文件而不实际保留其内容：

Path path = Paths.get("/home/dave/somefile.txt");
try (Reader reader = Files.newBufferedReader(path)) {
    int c = reader.read();
    if (c == 0xfeff) {
        System.out.println("File starts with a byte order mark.");
    } else if (c >= 0) {
        reader.transferTo(Writer.nullWriter());
    }
} catch (CharacterCodingException e) {
    System.out.println("Not a UTF-8 file.");
}

• 如果未提供字符集，则Files.newBufferedReader始终使用UTF-8。
• 0xfeff是字节顺序标记代码点。
• reader.transferTo（Writer.nullWriter（））（从Java 11开始提供）处理文件并立即将其丢弃。