NET中判断一个文本文件的编码方式

最新推荐文章于 2021-09-07 08:02:52 发布

转载最新推荐文章于 2021-09-07 08:02:52 发布 · 2.1k 阅读

VB.Net 专栏收录该内容

18 篇文章

订阅专栏

本文介绍如何通过文件头部的特定字节来识别Windows文件的编码格式，包括Unicode的小尾编码、大尾编码及UTF-8编码，并提供了一段C#代码实现。

文件的字符集在Windows下有两种，一种是ANSI，一种Unicode。
对于Unicode，Windows支持了它的三种编码方式，一种是小尾编码（Unicode)，一种是大尾编码(BigEndianUnicode)，一种是UTF-8编码。
我们可以从文件的头部来区分一个文件是属于哪种编码。当头部开始的两个字节为 FF FE时，是Unicode的小尾编码；当头部的两个字节为FE FF时，是Unicode的大尾编码；当头部两个字节为EF BB时，是Unicode的UTF-8编码；当它不为这些时，则是ANSI编码。
按照如上所说，我们可以通过读取文件头的两个字节来判断文件的编码格式，代码如下(C#代码）：

程序中System.Text.Encoding.Default是指操作系统的当前 ANSI 代码页的编码。

Public Shared Function GetFileEncodeType(ByVal stream As Stream) As Encoding
    Dim buffer() As Byte
    Using br As New BinaryReader(stream)
        buffer = br.ReadBytes(2)
        br.Close()
    End Using
    If buffer(0) >= &HEF Then
        If buffer(0) = &HEF AndAlso buffer(1) = &HBB Then
            Return Encoding.UTF8
        ElseIf buffer(0) = &HFE AndAlso buffer(1) = &HFF Then
            Return Encoding.BigEndianUnicode
        ElseIf buffer(0) = &HFF AndAlso buffer(1) = &HFE Then
            Return Encoding.Unicode
        Else
            Return Encoding.Default
        End If
    Else
        Return Encoding.Default
    End If
End Function