什么是最准确的编码检测器？
经过一番调查，我发现java世界里有几个编码检测项目，如果InputStreamReader中的getEncoding不起作用：
- juniversalchardet
- jchardet
- cpdetector
- ICU4J
但是，我真的不知道哪一个是最好的。 任何人都可以通过亲身体验告诉我哪一个是Java中最好的？
我已经在一些CSV文件中检查了juniversalchardet和ICU4J，结果是不一致的：juniversalchardet有更好的结果：
- UTF-8：都检测到。
- Windows-1255：juniversalchardet检测到有足够的希伯来字母，ICU4J仍然认为是ISO-8859-1。 随着更多的希伯来语字母，ICU4J将其检测为ISO-8859-8，这是另一个希伯来语编码（因此文本正常）。
- SHIFT_JIS（日文）：juniversalchardet检测到，ICU4J认为是ISO-8859-2。
- ISO-8859-1：由ICU4J检测，不受juniversalchardet支持。
所以我们应该考虑一下他最有可能处理的编码。 最后我select了ICU4J 。
请注意，ICU4J仍然保持。
另外请注意，您可能想要使用ICU4J，并且如果它因为没有成功而返回null，请尝试使用juniversalchardet。 或者相反。
Apache Tika的 AutoDetectReader正是这样做的 – 首先尝试使用HtmlEncodingDetector，然后使用UniversalEncodingDetector（基于juniversalchardet），然后尝试Icu4jEncodingDetector（基于ICU4J）。
我在网上find了答案：
http://fredeaker.blogspot.com/2007/01/character-encoding-detection.html
它在这里说了一些可以借鉴的东西：
字符编码检测器的优势在于它的重点是在于统计分析还是HTML META和XML序言发现。 如果您正在处理具有META的HTML文件，请使用cpdetector。 否则，您最好的select是monq.stuff.EncodingDetector或com.sun.syndication.io.XmlReader。
所以这就是为什么我现在使用cpdetector 。 我将更新与它的结果的职位。
我个人在我们的项目中使用了jchardet（juniversalchardet当时不可用），只是为了检查一个stream是否是UTF-8。
与其他应用程序进行整合比较容易，并取得了很好的效果。
