背景

產品經理要求上傳文件到服務器，但是文件沒有模板，文件的編碼格式不定，因此不能通過指定的編碼格式解析文件，否則會出現亂碼。

文件編碼識別

（1）UTF-8 BOM編碼的文件，前3個字節轉換成10進制數后分別是：-17、-69、-65。

（2）UTF-16BE BOM編碼的文件，前2個字節轉換成10進制數后分別是：-2、-1。

（3）UTF-16LE BOM編碼的文件，前2個字節轉換成10進制數后分別是：-1、-2。

因此，這三種編碼格式的文件檢測起來比較簡單，只需要拿到文件的前三個字節，然后根據上面的規則就可以確定文件是什么編碼。問題是這種檢測方式只能區分UTF-8 BOM、UTF-16BE BOM和UTF-16LE BOM編碼的文件，不能區分UTF-8和GBK編碼的文件。

Google字符編碼檢測工具

需要引入Maven依賴，Maven坐標如下：

<dependency> 
    <groupId> 
        com.googlecode.juniversalchardet    </groupId> 
    <artifactId>juniversalchardet</artifactId> 
    <version>1.0.3</version> 
</dependency> 

Google字符編碼檢測工具Java代碼示例，目前來看檢查UTF-8和GBK編碼沒有問題，但是其它編碼存在問題，由于上傳的文件只有中文和英文，因此稍微做了點兼容性處理，當編碼獲取錯誤時，默認取GBK編碼。編碼檢測工具在生產環境運行了一段時間，目前來看沒發現什么問題。

總結

由于上傳的文件只有中文和英文，在生產環境運行了一段時間，目前來看是滿足要求的。比如Google的字符編碼檢測工具會返回WINDOWS-1252這樣的編碼格式，這種默認用GBK編碼就可以。還有一些檢測不出來的編碼格式，返回null，這種也用默認的GBK就行。