Mega Code Archive

 

Categories / Java / Development Class

 

Unicode reader

// revised from runcc 0.7 import java.io.*; /**  * Reads away UNICODE Byte Order Mark on construction. See  * http://www.unicode.org/unicode/faq/utf_bom.html  *   * <pre>  *  00 00 FE FF    = UTF-32, big-endian  *  FF FE 00 00    = UTF-32, little-endian  *  FE FF          = UTF-16, big-endian  *  FF FE          = UTF-16, little-endian  *  EF BB BF       = UTF-8  * </pre>  */ public class UnicodeReader extends Reader {   private static final int BOM_MAX_SIZE = 4;   private InputStreamReader delegate;   public UnicodeReader(InputStream in) throws IOException {     init(in, null);   }   public UnicodeReader(InputStream in, String defaultEnc) throws IOException {     init(in, defaultEnc);   }   /** Returns the encoding that was read from byte order mark if there was one. */   public String getEncoding() {     return delegate.getEncoding();   }   /**    * Read-ahead four bytes and check for BOM marks. Extra bytes are unread back    * to the stream, only BOM bytes are skipped.    */   private void init(InputStream in, String defaultEnc) throws IOException {     String encoding;     byte bom[] = new byte[BOM_MAX_SIZE];     int n, unread;     PushbackInputStream internalIn = new PushbackInputStream(in, BOM_MAX_SIZE);     n = internalIn.read(bom, 0, bom.length);     if ((bom[0] == (byte) 0xEF) && (bom[1] == (byte) 0xBB) && (bom[2] == (byte) 0xBF)) {       encoding = "UTF-8";       unread = n - 3;     }     else     if ((bom[0] == (byte) 0xFE) && (bom[1] == (byte) 0xFF)) {       encoding = "UTF-16BE";       unread = n - 2;     }     else     if ((bom[0] == (byte) 0xFF) && (bom[1] == (byte) 0xFE)) {       encoding = "UTF-16LE";       unread = n - 2;     }     else     if ((bom[0] == (byte) 0x00) && (bom[1] == (byte) 0x00) && (bom[2] == (byte) 0xFE) && (bom[3] == (byte) 0xFF)) {       encoding = "UTF-32BE";       unread = n - 4;     }     else     if ((bom[0] == (byte) 0xFF) && (bom[1] == (byte) 0xFE) && (bom[2] == (byte) 0x00) && (bom[3] == (byte) 0x00)) {       encoding = "UTF-32LE";       unread = n - 4;     }     else {       // Unicode BOM mark not found, unread all bytes       encoding = defaultEnc;       unread = n;     }     if (unread > 0)       internalIn.unread(bom, (n - unread), unread);     else     if (unread < -1)       internalIn.unread(bom, 0, 0);     // Use BOM or default encoding     if (encoding == null) {       delegate = new InputStreamReader(internalIn);     }     else {       delegate = new InputStreamReader(internalIn, encoding);     }   }   /** Overridden to use delegate reader. */   public void close() throws IOException {     delegate.close();   }   /** Overridden to use delegate reader. */   public int read(char[] cbuf, int off, int len) throws IOException {     return delegate.read(cbuf, off, len);   } }