加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 百科 > 正文

C#如何自动识别文件的编码

发布时间:2020-12-15 06:14:12 所属栏目:百科 来源:网络整理
导读:前言 C#中识别文件的编码是一个头疼的问题,最近在做导入微信商户后台退款数据时,无论怎么设置编码导出来都是乱码,后来在网上找了这个识别文件编码的代码,感觉不错。最后识别出来是gb2312,看来我还是太渣了,只能吃土了,竟然忘记了这个编码。 下面话不

前言

C#中识别文件的编码是一个头疼的问题,最近在做导入微信商户后台退款数据时,无论怎么设置编码导出来都是乱码,后来在网上找了这个识别文件编码的代码,感觉不错。最后识别出来是gb2312,看来我还是太渣了,只能吃土了,竟然忘记了这个编码。

下面话不多说,上代码。

/// <summary> 
 /// 用于取得一个文本文件的编码方式(Encoding)。 
 /// </summary> 
 public class TxtFileEncoder
 {
  public TxtFileEncoder()
  {
   // 
   // TODO: 在此处添加构造函数逻辑 
   // 
  }
  /// <summary> 
  /// 取得一个文本文件的编码方式。如果无法在文件头部找到有效的前导符,Encoding.Default将被返回。 
  /// </summary> 
  /// <param name="fileName">文件名。</param> 
  /// <returns></returns> 
  public static Encoding GetEncoding(string fileName)
  {
   return GetEncoding(fileName,Encoding.Default);
  }
  /// <summary> 
  /// 取得一个文本文件流的编码方式。 
  /// </summary> 
  /// <param name="stream">文本文件流。</param> 
  /// <returns></returns> 
  public static Encoding GetEncoding(FileStream stream)
  {
   return GetEncoding(stream,Encoding.Default);
  }
  /// <summary> 
  /// 取得一个文本文件的编码方式。 
  /// </summary> 
  /// <param name="fileName">文件名。</param> 
  /// <param name="defaultEncoding">默认编码方式。当该方法无法从文件的头部取得有效的前导符时,将返回该编码方式。</param> 
  /// <returns></returns> 
  public static Encoding GetEncoding(string fileName,Encoding defaultEncoding)
  {
   FileStream fs = new FileStream(fileName,FileMode.Open);
   Encoding targetEncoding = GetEncoding(fs,defaultEncoding);
   fs.Close();
   return targetEncoding;
  }
  /// <summary> 
  /// 取得一个文本文件流的编码方式。 
  /// </summary> 
  /// <param name="stream">文本文件流。</param> 
  /// <param name="defaultEncoding">默认编码方式。当该方法无法从文件的头部取得有效的前导符时,将返回该编码方式。</param> 
  /// <returns></returns> 
  public static Encoding GetEncoding(FileStream stream,Encoding defaultEncoding)
  {
   Encoding targetEncoding = defaultEncoding;
   if (stream != null && stream.Length >= 2)
   {
    //保存文件流的前4个字节 
    byte byte1 = 0;
    byte byte2 = 0;
    byte byte3 = 0;
    byte byte4 = 0;
    //保存当前Seek位置 
    long origPos = stream.Seek(0,SeekOrigin.Begin);
    stream.Seek(0,SeekOrigin.Begin);

    int nByte = stream.ReadByte();
    byte1 = Convert.ToByte(nByte);
    byte2 = Convert.ToByte(stream.ReadByte());
    if (stream.Length >= 3)
    {
     byte3 = Convert.ToByte(stream.ReadByte());
    }
    if (stream.Length >= 4)
    {
     byte4 = Convert.ToByte(stream.ReadByte());
    }
    //根据文件流的前4个字节判断Encoding 
    //Unicode {0xFF,0xFE}; 
    //BE-Unicode {0xFE,0xFF}; 
    //UTF8 = {0xEF,0xBB,0xBF}; 
    if (byte1 == 0xFE && byte2 == 0xFF)//UnicodeBe 
    {
     targetEncoding = Encoding.BigEndianUnicode;
    }
    if (byte1 == 0xFF && byte2 == 0xFE && byte3 != 0xFF)//Unicode 
    {
     targetEncoding = Encoding.Unicode;
    }
    if (byte1 == 0xEF && byte2 == 0xBB && byte3 == 0xBF)//UTF8 
    {
     targetEncoding = Encoding.UTF8;
    }
    //恢复Seek位置   
    stream.Seek(origPos,SeekOrigin.Begin);
   }
   return targetEncoding;
  }



  // 新增加一个方法,解决了不带BOM的 UTF8 编码问题 

  /// <summary> 
  /// 通过给定的文件流,判断文件的编码类型 
  /// </summary> 
  /// <param name="fs">文件流</param> 
  /// <returns>文件的编码类型</returns> 
  public static System.Text.Encoding GetEncoding(Stream fs)
  {
   byte[] Unicode = new byte[] { 0xFF,0xFE,0x41 };
   byte[] UnicodeBIG = new byte[] { 0xFE,0xFF,0x00 };
   byte[] UTF8 = new byte[] { 0xEF,0xBF }; //带BOM 
   Encoding reVal = Encoding.Default;

   BinaryReader r = new BinaryReader(fs,System.Text.Encoding.Default);
   byte[] ss = r.ReadBytes(4);
   if (ss[0] == 0xFE && ss[1] == 0xFF && ss[2] == 0x00)
   {
    reVal = Encoding.BigEndianUnicode;
   }
   else if (ss[0] == 0xFF && ss[1] == 0xFE && ss[2] == 0x41)
   {
    reVal = Encoding.Unicode;
   }
   else
   {
    if (ss[0] == 0xEF && ss[1] == 0xBB && ss[2] == 0xBF)
    {
     reVal = Encoding.UTF8;
    }
    else
    {
     int i;
     int.TryParse(fs.Length.ToString(),out i);
     ss = r.ReadBytes(i);

     if (IsUTF8Bytes(ss))
      reVal = Encoding.UTF8;
    }
   }
   r.Close();
   return reVal;

  }

  /// <summary> 
  /// 判断是否是不带 BOM 的 UTF8 格式 
  /// </summary> 
  /// <param name="data"></param> 
  /// <returns></returns> 
  private static bool IsUTF8Bytes(byte[] data)
  {
   int charByteCounter = 1;  //计算当前正分析的字符应还有的字节数 
   byte curByte; //当前分析的字节. 
   for (int i = 0; i < data.Length; i++)
   {
    curByte = data[i];
    if (charByteCounter == 1)
    {
     if (curByte >= 0x80)
     {
      //判断当前 
      while (((curByte <<= 1) & 0x80) != 0)
      {
       charByteCounter++;
      }
      //标记位首位若为非0 则至少以2个1开始 如:110XXXXX...........2222210X  
      if (charByteCounter == 1 || charByteCounter > 6)
      {
       return false;
      }
     }
    }
    else
    {
     //若是UTF-8 此时第一位必须为1 
     if ((curByte & 0xC0) != 0x80)
     {
      return false;
     }
     charByteCounter--;
    }
   }
   if (charByteCounter > 1)
   {
    throw new Exception("非预期的byte格式!");
   }
   return true;
  }
 }

总结

以上就是C#自动识别文件编码的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读