【发布时间】：2010-10-20 22:03:10
【问题描述】：
我正在寻找一种方法来检测文档中的字符集。我一直在这里阅读 Mozilla 字符集检测实现：
我还找到了一个名为 jCharDet 的 Java 实现：
这两个都是基于使用一组静态数据进行的研究。我想知道是否有人成功地使用了任何其他实现，如果是的话怎么办？您是否推出了自己的方法，如果是的话，您用于检测字符集的算法是什么？
任何帮助将不胜感激。我不是通过 Google 寻找现有方法的列表，也不是在寻找 Joel Spolsky 文章的链接 - 只是为了澄清:)
更新：我对此进行了大量研究，最终找到了一个名为 cpdetector 的框架，它使用可插入的方法进行字符检测，请参阅：
这提供了 BOM、chardet（Mozilla 方法）和 ASCII 检测插件。自己编写也很容易。还有另一个框架，它提供了比 Mozilla 方法/jchardet 等更好的字符检测...
为 cpdetector 编写自己的插件非常容易，它使用此框架提供更准确的字符编码检测算法。它比 Mozilla 方法更有效。
【问题讨论】：
-
这是一个棘手的问题。感谢您自己研究的重要链接。
-
是的，已经解决了记事本问题，一旦我完成并完成了一些有趣的东西，我将根据我的研究修改我的帖子......
-
Java 中还有另一个移植：code.google.com/p/juniversalchardet
-
juniversalchardet 看起来 6 年没有更新了； ICU 在今年早些时候进行了更新。