codeなにがし: JAVAで文字列の文字コードを得る
2007-09-25T16:48:01+09:00
ゲスト
1
ApplePedlar
2007-08-06T20:43:38+09:00
java.io.InputStreamReaderのコンストラクタの引数のString charsetNameに"JISAutoDetect"を入れることで一応自動認識するらしいですが、実際にやってみたところやはりうまくいきませんね。
import java.io.BufferedReader;
import java.io.ByteArrayInputStream;
import java.io.InputStream;
import java.io.InputStreamReader;
public class Test {
public static void main(String[] args) throws Exception {
String src = "ソースカツ丼";
String[] encoding = new String[] { "Shift_JIS", "EUC-JP", "UTF-8", "JIS" };
for (int i = 0; i < encoding.length; i++) {
byte[] b = new String(src).getBytes(encoding[i]);
InputStream is = new ByteArrayInputStream(b);
InputStreamReader isr = new InputStreamReader(is, "JISAutoDetect");
BufferedReader in = new BufferedReader(isr);
String s = in.readLine();
System.out.println(encoding[i] + ": " + s);
}
}
}
結果：Shift_JISとJISのみ正常
■G-PROJECT■ -日本語文字コードの判別 http://www.gprj.net/dev/tips/other/kanji.shtml
ServletとJSPにおける文字化けについて http://www.ingrid.org/java/jserv/i18n/corruptedchar.html
↑このあたりを参考にして判別コードを書くしかないのかもしれません。
2
haseken
2007-08-06T21:40:03+09:00
関連ソースコード・ノウハウッ！が登録されています。
3
ゲスト (質問者)
2007-08-06T22:15:01+09:00
返信ありがとうございます！
hasekenさんのソースコードで問題無く動きました。
Shift_JISとJISのみ正常ですか･･･
実はWindows上のファイルしか試していないんですが、
そうなると"JISAutoDitect"を使っているhasekenさんのソースコードも
同じバグを抱えているんでしょうか･･･？
4
ApplePedlar
2007-08-07T10:44:07+09:00
hasekenさんのコードでもEUC-JPの「ソースカツ丼」は正常に認識できません。これはEUC-JPの「ソースカツ丼」はShift_JISの「･ｽ｡ｼ･ｹ･ｫ･ﾄﾐｧ」に対応しているからである意味正常ではあるのですが、例えば秀丸エディタの文字コード自動認識機能だと正常に認識されます。
例えばShift_JISで認識したときに半角カナばかりで「･」や「｡」が頻繁に混ざっているような場合や、EUC-JPで認識したときに全角カナが連続するような場合にはEUC-JPとして認識するというようなロジックがあると判別の精度は上がりそうです。
5
ゲスト (質問者)
2007-08-08T11:28:11+09:00
返信が遅くなてすいません。
なるほど・・・今のままではちょっと要求に足り無そうなので、保留しておきます。
解説ありがとうございました。
6
ゲスト
2007-09-25T16:48:01+09:00
Javaですべての文字コードはUNICODEになっています。
String().getBytesはUnicodeを指定したbyte配列を取得する関数です。