判断一个文本文件的编码格式

最新推荐文章于 2024-09-27 21:05:24 发布

转载最新推荐文章于 2024-09-27 21:05:24 发布 · 573 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://www.cnblogs.com/swtseaman/archive/2011/05/17/2048689.html

文章标签：

#判断 #文件 #编码 #文本 #格式

本文介绍了一种通过读取文件头的前两个字节来判断文件编码格式的方法，包括Unicode的小尾编码、大尾编码和UTF-8编码，以及ANSI编码。提供了C#代码示例。

本文转载自： https://www.cnblogs.com/swtseaman/archive/2011/05/17/2048689.html 作者：swtseaman 转载请注明该声明。

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 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;
    }
}