请问各位大大，使用io读取文件，如何识别文件的编码，以及统计中文字数

[Uco__]

请问各位大大，使用io读取文件，如何识别文件的编码，以及统计中文字数。当文件中含有中文符号，特殊符号时，应该怎么忽略它们不计。

[whos2002110]

火狐有工具包, 可以通过 byte[] 猜测数据编码格式. juniversalchardet.jar 根据数据格式转出String统计个数, 特殊符号这些用第三方的分词工具过滤下

[wula0010]

cpdetector.jar可以用来判断文件编码，但是不准确，后来我想，用excel打开txt文件的时候，或者打开word文档，都有编码不正确的，有时需要手动选择编码，那么微软都没解决的问题，我们怎么能解决呢？目前的判断编码，其实都是根据文件开头的几个字节，实际上是很多文件的格式都不规范。

[wyc_]

如果可以的话，乱码问题就能解决一半了，没有查到这样的函数。 统计中文用正则表达式，还得注意文件编码。

[Inhibitory]

通常没法从文件的内容识别出文件的编码。 偶尔有些文件会把文件的编码放到文件的前几个字节里，如UTF-16，Windows下带BOM的UTF-8等。

[little-finger]

之前好像是用过，使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar cpDetector是基于统计学原理的，不保证完全正确。