判断一个文本文件的编码格式

本文介绍了一种通过检查文件头部特定字节序列来确定文本文件编码的方法,并提供了一个C#示例程序来实现这一功能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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;
     }
}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值