在Java6中使用UFT-8BOM文件的文本编码

我得到了希伯来语和阿拉伯语的txt文件，带有UTF-8 BOM编码。 我需要根据内容将其转换为Windows-1255或Windows-1256

在运行时，我如何知道要使用的正确编码

Mosilla UniversalDetector和我找到的任何其他解决方案都不走运。

---

有什么想法吗？（我需要用Java 6来做。不要问为什么…

从Java 1.7开始，字符类知道Unicode脚本，如阿拉伯语和希伯来语

int freqs = s.codePoints().map(cp ->
        Character.UnicodeScript.of(cp) == Character.UnicodeScript.ARABIC ? 1
        : Character.UnicodeScript.of(cp) == Character.UnicodeScript.HEBREW ? -1
        : 0).sum();

对于java 1.6，方向性可能就足够了，因为有一个从右到左和从右到左的阿拉伯语：

    String s = "אבגדהאבגדהصضطظع"; // First Hebrew, then Arabic.
    int i0 = 0;
    for (int i = 0; i < s.length(); ) {
        int codePoint = s.codePointAt(i);
        i += Character.charCount(codePoint);
        boolean rtl = Character.getDirectionality(codePoint)
                == Character.DIRECTIONALITY_RIGHT_TO_LEFT;
        boolean rtl2 = Character.getDirectionality(codePoint)
                == Character.DIRECTIONALITY_RIGHT_TO_LEFT_ARABIC;
        System.out.printf("[%d - %d] '%s': LTR %s %s%n",
                i0, i, s.substring(i0,  i), rtl, rtl2);
        i0 = i;
    }

[0 - 1] 'א': LTR true false
[1 - 2] 'ב': LTR true false
[2 - 3] 'ג': LTR true false
[3 - 4] 'ד': LTR true false
[4 - 5] 'ה': LTR true false
[5 - 6] 'א': LTR true false
[6 - 7] 'ב': LTR true false
[7 - 8] 'ג': LTR true false
[8 - 9] 'ד': LTR true false
[9 - 10] 'ה': LTR true false
[10 - 11] 'ص': LTR false true
[11 - 12] 'ض': LTR false true
[12 - 13] 'ط': LTR false true
[13 - 14] 'ظ': LTR false true
[14 - 15] 'ع': LTR false true

---

在Java1.7中，字符类知道Unicode脚本，如阿拉伯语和希伯来语

int freqs = s.codePoints().map(cp ->
        Character.UnicodeScript.of(cp) == Character.UnicodeScript.ARABIC ? 1
        : Character.UnicodeScript.of(cp) == Character.UnicodeScript.HEBREW ? -1
        : 0).sum();

对于java 1.6，方向性可能就足够了，因为有一个从右到左和从右到左的阿拉伯语：

    String s = "אבגדהאבגדהصضطظع"; // First Hebrew, then Arabic.
    int i0 = 0;
    for (int i = 0; i < s.length(); ) {
        int codePoint = s.codePointAt(i);
        i += Character.charCount(codePoint);
        boolean rtl = Character.getDirectionality(codePoint)
                == Character.DIRECTIONALITY_RIGHT_TO_LEFT;
        boolean rtl2 = Character.getDirectionality(codePoint)
                == Character.DIRECTIONALITY_RIGHT_TO_LEFT_ARABIC;
        System.out.printf("[%d - %d] '%s': LTR %s %s%n",
                i0, i, s.substring(i0,  i), rtl, rtl2);
        i0 = i;
    }

[0 - 1] 'א': LTR true false
[1 - 2] 'ב': LTR true false
[2 - 3] 'ג': LTR true false
[3 - 4] 'ד': LTR true false
[4 - 5] 'ה': LTR true false
[5 - 6] 'א': LTR true false
[6 - 7] 'ב': LTR true false
[7 - 8] 'ג': LTR true false
[8 - 9] 'ד': LTR true false
[9 - 10] 'ה': LTR true false
[10 - 11] 'ص': LTR false true
[11 - 12] 'ض': LTR false true
[12 - 13] 'ط': LTR false true
[13 - 14] 'ظ': LTR false true
[14 - 15] 'ع': LTR false true

---

您的意思是尽管有UTF-8 BOM，但编码不是UTF-8，还是说它是UTF-8，并且根据使用的脚本，它们应该转换为Windows编码？或者采用任何一种编码，并且可以编码为UTF-8？@JoopEggen编码为UTF-8，但我需要知道正确的语言（希伯来语或阿拉伯语），以便将文件转换为新的编码。可能重复的您的意思是，尽管有UTF-8 BOM，但编码不是UTF-8，或者你的意思是它是UTF-8格式的，并且根据所使用的脚本，它们应该转换为Windows编码吗？或者是采用任何一种编码，并且可以编码为UTF-8？@JoopEggen编码为UTF-8，但我需要知道正确的语言（希伯来语或阿拉伯语），以便将文件转换为新的编码。工作非常顺利。谢谢工作得很有魅力。谢谢