Java detect Encoding for Japanese

javaにはエンコード自動認識が標準ではなかったので、探し回った。
* jchardet
* juniversalchardet
などが見つかったけど、とりあえず、標準で逃げる方法。

view plainprint?

1. private final List<CharsetDecoder> decoders;  
2.  {  
3.  // 色々試した結果、この順序が必須  
4.  String[] names = new String[] { "ISO-2022-JP", "EUC-JP", "UTF-8",  
5.    "windows-31j" };  
6.  decoders = new LinkedList<CharsetDecoder>();  
7.  for (String name : names) {  
8.   decoders.add(Charset.forName(name).newDecoder());  
9.  }  
10. }  
11. public Charset detectEncoding(byte[] bytes) throws Exception {  
12.  for (CharsetDecoder d : decoders) {  
13.   try {  
14.    d.decode(ByteBuffer.wrap(bytes));  
15.   } catch (CharacterCodingException e) {  
16.    continue;  
17.   }  
18.   return d.charset();  
19.  }  
20.  throw new IllegalArgumentException("デコードできませんでした。");  
21. }  
22.   
23. public void testDetectEncoding() throws Exception {  
24.  String[] samples = new String[] { "平", "カ", "１", "ひ", "ｂ", };  
25.  for (String s : samples) {  
26.   assertEquals("windows-31j", detectEncoding(s.getBytes("sjis")).toString());  
27.   assertEquals("UTF-8", detectEncoding(s.getBytes("utf-8")).toString());  
28.   assertEquals("EUC-JP", detectEncoding(s.getBytes("euc_jp")).toString());  
29.   assertEquals("ISO-2022-JP", detectEncoding(s.getBytes("jis")).toString());  
30.  }  
31. }  

private final List<CharsetDecoder> decoders;
 {
 // 色々試した結果、この順序が必須
 String[] names = new String[] { "ISO-2022-JP", "EUC-JP", "UTF-8",
   "windows-31j" };
 decoders = new LinkedList<CharsetDecoder>();
 for (String name : names) {
  decoders.add(Charset.forName(name).newDecoder());
 }
}
public Charset detectEncoding(byte[] bytes) throws Exception {
 for (CharsetDecoder d : decoders) {
  try {
   d.decode(ByteBuffer.wrap(bytes));
  } catch (CharacterCodingException e) {
   continue;
  }
  return d.charset();
 }
 throw new IllegalArgumentException("デコードできませんでした。");
}

public void testDetectEncoding() throws Exception {
 String[] samples = new String[] { "平", "カ", "１", "ひ", "ｂ", };
 for (String s : samples) {
  assertEquals("windows-31j", detectEncoding(s.getBytes("sjis")).toString());
  assertEquals("UTF-8", detectEncoding(s.getBytes("utf-8")).toString());
  assertEquals("EUC-JP", detectEncoding(s.getBytes("euc_jp")).toString());
  assertEquals("ISO-2022-JP", detectEncoding(s.getBytes("jis")).toString());
 }
}