判断一个文本文件的编码格式

判断一个文本文件的编码格式

不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

ANSI：　　　　　　　   无格式定义； 
Unicode： 　　　　　　前两个字节为FFFE； 
Unicode big endian：　  前两字节为FEFF；　 
UTF-8：　 　　　　　　前两字节为EFBB；　

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。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

public  System.Text.Encoding  GetFileEncodeType( string  filename) {      System.IO.FileStream fs =  new  System.IO.FileStream(filename, System.IO.FileMode.Open, System.IO.FileAccess.Read);      System.IO.BinaryReader br =  new  System.IO.BinaryReader(fs);      Byte[] buffer = br.ReadBytes(2);      if (buffer[0]>=0xEF)      {          if (buffer[0]==0xEF && buffer[1]==0xBB)          {               return  System.Text.Encoding.UTF8;          }          else  if (buffer[0]==0xFE && buffer[1]==0xFF)          {               return  System.Text.Encoding.BigEndianUnicode;          }          else  if (buffer[0]==0xFF && buffer[1]==0xFE)          {               return  System.Text.Encoding.Unicode;          }          else          {               return  System.Text.Encoding.Default;          }      }      else      {               return  System.Text.Encoding.Default;      } }