C#如何自动识别文件的编码
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>
publicclassTxtFileEncoder
{
publicTxtFileEncoder()
{
//
//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>
///<paramname="fileName">文件名。</param>
///<returns></returns>
publicstaticEncodingGetEncoding(stringfileName)
{
returnGetEncoding(fileName,Encoding.Default);
}
///<summary>
///取得一个文本文件流的编码方式。
///</summary>
///<paramname="stream">文本文件流。</param>
///<returns></returns>
publicstaticEncodingGetEncoding(FileStreamstream)
{
returnGetEncoding(stream,Encoding.Default);
}
///<summary>
///取得一个文本文件的编码方式。
///</summary>
///<paramname="fileName">文件名。</param>
///<paramname="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>
publicstaticEncodingGetEncoding(stringfileName,EncodingdefaultEncoding)
{
FileStreamfs=newFileStream(fileName,FileMode.Open);
EncodingtargetEncoding=GetEncoding(fs,defaultEncoding);
fs.Close();
returntargetEncoding;
}
///<summary>
///取得一个文本文件流的编码方式。
///</summary>
///<paramname="stream">文本文件流。</param>
///<paramname="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>
publicstaticEncodingGetEncoding(FileStreamstream,EncodingdefaultEncoding)
{
EncodingtargetEncoding=defaultEncoding;
if(stream!=null&&stream.Length>=2)
{
//保存文件流的前4个字节
bytebyte1=0;
bytebyte2=0;
bytebyte3=0;
bytebyte4=0;
//保存当前Seek位置
longorigPos=stream.Seek(0,SeekOrigin.Begin);
stream.Seek(0,SeekOrigin.Begin);
intnByte=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);
}
returntargetEncoding;
}
//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>
///<paramname="fs">文件流</param>
///<returns>文件的编码类型</returns>
publicstaticSystem.Text.EncodingGetEncoding(Streamfs)
{
byte[]Unicode=newbyte[]{0xFF,0xFE,0x41};
byte[]UnicodeBIG=newbyte[]{0xFE,0xFF,0x00};
byte[]UTF8=newbyte[]{0xEF,0xBB,0xBF};//带BOM
EncodingreVal=Encoding.Default;
BinaryReaderr=newBinaryReader(fs,System.Text.Encoding.Default);
byte[]ss=r.ReadBytes(4);
if(ss[0]==0xFE&&ss[1]==0xFF&&ss[2]==0x00)
{
reVal=Encoding.BigEndianUnicode;
}
elseif(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
{
inti;
int.TryParse(fs.Length.ToString(),outi);
ss=r.ReadBytes(i);
if(IsUTF8Bytes(ss))
reVal=Encoding.UTF8;
}
}
r.Close();
returnreVal;
}
///<summary>
///判断是否是不带BOM的UTF8格式
///</summary>
///<paramname="data"></param>
///<returns></returns>
privatestaticboolIsUTF8Bytes(byte[]data)
{
intcharByteCounter=1;//计算当前正分析的字符应还有的字节数
bytecurByte;//当前分析的字节.
for(inti=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...........1111110X
if(charByteCounter==1||charByteCounter>6)
{
returnfalse;
}
}
}
else
{
//若是UTF-8此时第一位必须为1
if((curByte&0xC0)!=0x80)
{
returnfalse;
}
charByteCounter--;
}
}
if(charByteCounter>1)
{
thrownewException("非预期的byte格式!");
}
returntrue;
}
}
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。