Java 查找指定文件夹下的所有文件中包含有中文的文件，并抠出中文

整体的代码运用了IO流，递归的方式遍历文件夹下的文件。特别注意的是一个文件夹下包含了多种的不同格式的文件。需要对不同的文件格式进行文件编码格式的转换。
需要导入三个JAR包，下载地址见评论

• chardet.jar
• cpdetector_1.0.10.jar
• antlr-2.7.6.jar

public class FindFile {    static int fileCount = 0;//文件总数      static int wrong = 0 ;//含有中文字符的文件数      static String regEx = "[\u4e00-\u9fa5]";  //匹配中文正则        static Pattern pat = Pattern.compile(regEx);        static FileOutputStream fos = null;      static OutputStreamWriter osw = null;  }    public static void main(String[] args){          Scanner sc = null;          //long a = System.currentTimeMillis();          try {              //每次重新执行的时候删除上次写入的文件              File file = new File("f:\\FileCH.txt");              file.delete();              System.out.println("输入文件路径: ");              //读取输入的路径              sc = new Scanner(System.in);              String filePath = sc.nextLine();              //打开输出流              fos = new FileOutputStream(new File("f:\\FileCH.txt"),true);              osw = new OutputStreamWriter(fos,"UTF-8");              //refreshFileList("f:\\wk");              //开始检查文件              refreshFileList(filePath);          } catch (IOException e) {              e.printStackTrace();          }finally{              try {                  fos.close();                  osw.close();                  sc.close();              } catch (IOException e) {                  e.printStackTrace();              }          }          //refreshFileList("E:\\workspace\\test\\ognl\\enhance");          //System.out.print("运行时间为 ");          //System.out.println(System.currentTimeMillis() - a);          //输出检查结果          System.out.println("处理了"+fileCount+" 个文件"+wrong+"包含的字符已存储到f:\\FileCH.txt文件");      }     //递归查找文件      private static void refreshFileList(String strPath) throws IOException {          File dir = new File(strPath);          File[] files = dir.listFiles();          if (files == null)              return;          for (int i = 0; i < files.length; i++) {            System.out.println("第"+i+"个文件");            int flag = 0 ;              if (files[i].isDirectory()) {                  refreshFileList(files[i].getAbsolutePath());              } else {                  fileCount++;                  String strFileName = files[i].getAbsolutePath().toLowerCase();                  //System.out.println(getFileEncode(files[i].getAbsolutePath())+" ----" +files[i].getName());                  //截取文件格式                  String  fileName = strFileName.substring(strFileName.lastIndexOf(".")+1,strFileName.length());                  //排除不需要扫描的文件                if(fileName.equals("rar") || fileName.equals("jpg") || fileName.equals("png") || fileName.equals("jar") || fileName.equals("doc") || fileName.equals("xls") || fileName.equals("gif") || fileName.equals("wmz")){                    continue;                }                //不知为何  两种方法判断的时候都会吧class文件和jar文件当做是含有中文字符的文件                  //所以此处排除掉这class文件和jar文件不参与判断                  if(!"class".equals(fileName.toLowerCase())){                      //开始输入文件流，检查文件                      String enCode = getFileEncode(files[i].getAbsolutePath());                      if("void".equals(enCode)){                          enCode="UTF-8";                      }if("windows-1252".equals(enCode)){                          enCode="GBK";                      }                      FileInputStream fis = new FileInputStream(files[i].getAbsolutePath());                      InputStreamReader in = new InputStreamReader(fis,enCode);                      BufferedReader br = new BufferedReader(in);                      //用于记录行数  确定文件哪一行有中文                      int lineCount = 0 ;                      String line = null;                      //逐行检查文件                      while((line = br.readLine())!=null){                          /////使用正则表达式进行判断                          lineCount++ ;                          char[] charArray = line.toCharArray();                            for (int k = 0; k < charArray.length; k ++) {                                if ((charArray[k] >= 0x4e00) && (charArray[k] <= 0x9fbb)) {                                  //每行进行扫描，用正则判断含有中文的行                                Pattern p = Pattern.compile("([\u4e00-\u9fa5]+)");                                   String mv = "";                                  //正则判断                                Matcher m = p.matcher( line );                                 //遍历含有中文的行。并取出中文                                while (m.find()) {                                        mv += m.group(0);                                    }                                 //将含有中文的文件名称和中文所在行数写入文件夹                                  osw.write(files[i].getAbsolutePath()+" ------- 第"+lineCount+"行<===>"+mv+"\r\n");                                  osw.flush();                                  flag ++ ;                                  //wrong++;                                  if(flag!=0) k =charArray.length ;                              }                            }                       }                      //flag!=0 说明该文件中含有中文                      if(flag!=0) wrong++ ;                      br.close();                      in.close();                      fis.close();                  }              }          }      }     //检查文件类型      public static String getFileEncode(String path) {          /*          * detector是探测器，它把探测任务交给具体的探测实现类的实例完成。          * cpDetector内置了一些常用的探测实现类，这些探测实现类的实例可以通过add方法 加进来，如ParsingDetector、          * JChardetFacade、ASCIIDetector、UnicodeDetector。          * detector按照“谁最先返回非空的探测结果，就以该结果为准”的原则返回探测到的          * 字符集编码。使用需要用到三个第三方JAR包：antlr.jar、chardet.jar和cpdetector.jar          * cpDetector是基于统计学原理的，不保证完全正确。          */          CodepageDetectorProxy detector = CodepageDetectorProxy.getInstance();          /*          * ParsingDetector可用于检查HTML、XML等文件或字符流的编码,构造方法中的参数用于          * 指示是否显示探测过程的详细信息，为false不显示。          */          detector.add(new ParsingDetector(false));          /*          * JChardetFacade封装了由Mozilla组织提供的JChardet，它可以完成大多数文件的编码          * 测定。所以，一般有了这个探测器就可满足大多数项目的要求，如果你还不放心，可以          * 再多加几个探测器，比如下面的ASCIIDetector、UnicodeDetector等。          */          detector.add(JChardetFacade.getInstance());// 用到antlr.jar、chardet.jar          // ASCIIDetector用于ASCII编码测定          detector.add(ASCIIDetector.getInstance());          // UnicodeDetector用于Unicode家族编码的测定          detector.add(UnicodeDetector.getInstance());          java.nio.charset.Charset charset = null;          File f = new File(path);          try {              charset = detector.detectCodepage(f.toURI().toURL());          } catch (Exception ex) {              ex.printStackTrace();          }          if (charset != null)              return charset.name();          else              return null;      }   

参考博客 http://blog.csdn.net/luojia_wang/article/details/9665953