了解java字符串中包含的文本是否包含UTF-8编码字符的最佳方法

Question

有没有其他方法可以知道java String是否包含UTF-8编码的character-encoding，例如阿拉伯语单词。

我试过这段代码:但它是否准确，并使工作呢？

char c = 'أ';
int num = (int) c;

if(num> 128)
// then UTF-8 characters exists 

Answer 1

(假设UTF-8 ==非ASCII码)

你可以做的是在ASCII中对字符串进行编码，然后解码，并将结果与原始结果进行比较。如果它们不相等，则存在非ASCII字符。

但是，您自己的示例也可以(几乎应该是>= 128的)，因为以下证明确实所有char的< 128都是ASCII码：

为实现向后兼容，为128个ASCII和256个ISO-8859-1 (拉丁1)字符指定了与其在早期标准中的代码相同的Unicode/UCS码。

第一个平面(代码点U+0000到U+FFFF)包含最常用的字符，称为基本多语言平面或

。UTF-16和UCS-2都将此范围内的有效码点编码为数字上等于相应码点的单个16位码位单元。

("UTF-16“和"ASCII"，维基百科)

和chars是UTF-16“代码单元”。

但是，从整个问题来看，您最好先阅读The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)。

Answer 2

我不相信有一个确定的方法可以100%准确地知道。UTF-8和UTF-16可以附带一个可选的Byte Order Mark，您可以检测到该UTF。不能保证它会在那里，但很多工具都包含了它们，特别是对于UTF-16，因为它更重要。

Apache Commons IO包含一个方便的BOMInputStream class，用于读取带BOM标记的流，使用起来很简单：

BOMInputStream bomIn = new BOMInputStream(in);
if (bomIn.hasBOM()) {
    // has a UTF-8 BOM
}