C# 判断一个文本文件的编码格式（转载）
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)
{
using (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(); if (buffer[] >= 0xEF)
{
if (buffer[] == 0xEF && buffer[] == 0xBB)
{
return System.Text.Encoding.UTF8;
}
else if (buffer[] == 0xFE && buffer[] == 0xFF)
{
return System.Text.Encoding.BigEndianUnicode;
}
else if (buffer[] == 0xFF && buffer[] == 0xFE)
{
return System.Text.Encoding.Unicode;
}
else
{
return System.Text.Encoding.Default;
}
}
else
{
return System.Text.Encoding.Default;
}
}
}
用StreamWriter和FileStream往文本文件中写入数据有什么不同
可能有些同学不知道，实际上用StreamWriter和FileStream往一个文本文件写入字符数据，其效果是不一样的。
我们新建一个.NET Core控制台项目，然后在其中Program类的Main方法中，使用UTF-8编码将一段html文本text转换为字节数组writeData，再用StreamWriter将html文本text写入文件C:\DemoFolder\Demo.html，然后接着我们用FileStream再将文件C:\DemoFolder\Demo.html读取为字节数组readData，我们来看看两个字节数组writeData和readData有什么不同，代码如下：
using System;
using System.IO;
using System.Text; namespace EncodingTesting
{
class Program
{
static void Main(string[] args)
{
string text = "<html><head></head><body>大家好！</body></html>";
Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43 byte[] writeData = Encoding.UTF8.GetBytes(text);
Console.WriteLine($"字节数组writeData的长度为：{writeData.Length}");//writeData有51个字节 using (var sw = new StreamWriter(@"C:\DemoFolder\Demo.html", false, Encoding.UTF8))
{
sw.Write(text);
} byte[] readData; using (var fsr = new FileStream(@"C:\DemoFolder\Demo.html", FileMode.Open))
{
readData = new byte[fsr.Length]; fsr.Read(readData, , readData.Length);
} Console.WriteLine($"字节数组readData的长度为：{readData.Length}");//readData有54个字节 string readText = Encoding.UTF8.GetString(readData);
Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为44
Console.WriteLine(readText);//输出结果：?<html><head></head><body>大家好！</body></html> Console.WriteLine("Press any key to end...");
Console.ReadKey();
}
}
}
输出结果如下：
我们可以看到使用StreamWriter将html文本text写入文件C:\DemoFolder\Demo.html后，用FileStream读取回来的字节数组readData比writeData多了3个字节，这就是因为StreamWriter用UTF-8编码写入文本文件时会自动在文件的头部加上三个字节（在WIN10中实际测试下来是多了三个字节，而不是本文前面说的两个字节）的数据EF BB BF，由于多了这三个字节的数据，我们可以看到最后字符串readText前面有一个乱码字符"?"，所以这样读写文本文件实际上是不对的。
因此最好的方法是用StreamWriter来写入文本文件，用StreamReader来读入文本文件，这样C#会自动帮我们处理UTF-8编码多出来的三个字节数据，不会出现乱码，代码如下：
using System;
using System.IO;
using System.Text; namespace EncodingTesting
{
class Program
{
static void Main(string[] args)
{
string text = "<html><head></head><body>大家好！</body></html>";
Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43 using (var sw = new StreamWriter(@"C:\DemoFolder\Demo.html", false, Encoding.UTF8))
{
sw.Write(text);
} string readText; using (var sr = new StreamReader(@"C:\DemoFolder\Demo.html", Encoding.UTF8))
{
readText = sr.ReadToEnd();
} Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为43
Console.WriteLine(readText);//输出结果：<html><head></head><body>大家好！</body></html> Console.WriteLine("Press any key to end...");
Console.ReadKey();
}
}
}
输出结果如下：
值得注意的是虽然我们用StreamWriter向文本文件C:\DemoFolder\Demo.html写入html文本时，由于UTF-8编码文件头会多写三个字节的数据，但是我们使用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:\DemoFolder\Demo.html时，其内容是可以正常显示的：
但是如果我们使用FileStream来写入html文本到文本文件C:\DemoFolder\Demo.html，也就是不写入UTF-8编码文件头的三个字节数据，使用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:\DemoFolder\Demo.html，反而是乱码，代码如下：
using System;
using System.IO;
using System.Text; namespace EncodingTesting
{
class Program
{
static void Main(string[] args)
{
string text = "<html><head></head><body>大家好！</body></html>";
Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43 byte[] writeData = Encoding.UTF8.GetBytes(text);
Console.WriteLine($"字节数组writeData的长度为：{writeData.Length}");//writeData有51个字节 using (var fsw = new FileStream(@"C:\DemoFolder\Demo.html", FileMode.Create))
{
fsw.Write(writeData, , writeData.Length);
} byte[] readData; using (var fsr = new FileStream(@"C:\DemoFolder\Demo.html", FileMode.Open))
{
readData = new byte[fsr.Length]; fsr.Read(readData, , readData.Length);
} Console.WriteLine($"字节数组readData的长度为：{readData.Length}");//readData有51个字节 string readText = Encoding.UTF8.GetString(readData);
Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为43
Console.WriteLine(readText);//输出结果：<html><head></head><body>大家好！</body></html> Console.WriteLine("Press any key to end...");
Console.ReadKey();
}
}
}
输出结果如下：
由于此时文件中没有UTF-8编码文件头的三个字节数据，所以用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:\DemoFolder\Demo.html后为乱码：
所以由此可见，正常情况下采用UTF-8编码的文本文件，都要有三个字节的文件头，其内容才能够被正确地读取出来。
C# 判断一个文本文件的编码格式（转载）的更多相关文章
- 如何判断一个文本文件内容的编码格式 UTF-8 ? ANSI(GBK)
转自:http://blog.csdn.net/jiangqin115/article/details/42684017 UTF-8编码的文本文档,有的带有BOM (Byte Order Mark, ...
- 【转载】matlab如何判断一个点是否在多面体内
转载自:http://www.52souji.net/point-within-a-polyhedron/ 我遇到的一个实际问题是:要在空位区域随机放置一定数量的原子,这些原子在空位区域任何一处存在的 ...
- （转载）python判断一个字符串是否是小数
转载自:牛牛杂货铺 最近在写代码的时候,发现一个问题,想判断一个字符串是不是一个合法的小数,发现字符串没有内置判断小数的方法,然后就写了一个判断字符串是否是小数,可以判断正负小数,代码如下: def ...
- c c++怎么判断一个字符串中是否含有汉字
c c++怎么判断一个字符串中是否含有汉字 (2013-02-05 10:44:23) 转载▼ #include #include int main() { char sztext[] = ...
- [No000040]取得一个文本文件的编码方式
using System; using System.IO; using System.Text; /// <summary> /// 用于取得一个文本文件的编码方式(Encoding). ...
- Js判断一个单词是否有重复字母
今天上午刷到一道题,大体是写一个方法判断一个单词中是否有重复的字母(或者说一个字符串中是否有重复的字符).我的思路是一个字符一个字符地遍历,如果发现有重复的停止: function isIsogram ...
- 判断一个面（Polygon）是不是矩形
判断一个面是不是矩形在GIS中很长用的功能,那么怎么判断一个面是不是矩形呢. 这里先要弄懂一些概念,面是什么,先看OGC标准的定义. 我的英文水平有限,(有翻译更好的请留言,如果翻译的准确将被采纳)大 ...
- OpenGL判断一个点是否可见
关于OpenGL中判断一个点是否可见,可以分成两种情况讨论:点在2D空间中和3D空间中的时候.并且"在2D空间中"可以看作"在3D空间中"的特殊情况. 温馨提示 ...
- VBA 判断一个TXT编码方式,再创建一个新的文件,复制数据进去
如题,先读取一个文本文件判断编码(Unicode ANSI),就这两种编码然后将txt导入到excel表中,最后处理完成,再创建一个相同编码,不同文件名的txt文件,把新数据放进去 Sub test ...
随机推荐
- 【读书笔记】iOS-加速计与陀螺仪
一,数据的“滤波” 直接从加速度计获得的原始数据,往往不能直接使用,而是需要去除一些干扰数据,这个过程称为“滤波”.“滤波”一词来源于无线电技术中对无线电信号的处理过程.事实上从数学角度而言它们是一样 ...
- js 乘除法小数问题
因为经常需要js来处理显示,就做下笔记 除法: function accDiv(arg1, arg2) { var t1 = 0, t2 = 0, r1, r2; try { t1 = arg1.to ...
- WEB服务器----Apache 安装配置
1.官网下载需要的安装包(包括主安装包和依赖包的下载)可以直接使用Linux的wget进行下载: httpd安装包下载地址:http://mirrors.hust.edu.cn/apache//htt ...
- 安卓开发_浅谈Notification（通知栏）
Notification通知栏是显示在手机状态的消息,代表一种全局效果的通知 快速创建一个Notification的步骤简单可以分为以下四步: 第一步:通过getSystemService()方法得到 ...
- drupal 2006 mysql server has gone away
在开发一个cms drupal网站时遇到了如上图的错误,几经百度谷歌,都一致说需要修改mysql的配置 max_allowed_packet参数,但是由于我买的是虚拟主机,并没有权限修改. 本来已经放 ...
- Python中DataFrame去重
# 去除重复行数据 keep:'first':保留重复行的第一行,'last':保留重复行的最后一行,False:删除所有重复行df = df.drop_duplicates( subset=['YJ ...
- win10怎么查看进程
1.在任务栏右击-任务管理器 2.
- linux之在当前目录下按照文件大小进行排序的三种方法
当前目录下按照文件大小排序 [root@test23 script]# ls -lSh 总用量 44K -rw-r--r-- 1 root root 2.4K 12月 8 17:24 test.con ...
- Beta阶段总结博客（麻瓜制造者）
Beta冲刺过程中各个成员的贡献百分比: 成员 贡献值 邓弘立 15% 符天愉 14% 江郑 14% 刘双玉 14% 肖小强 13% 李佳铭 11% 汪志彬 11% 伍杰麟 8% 项目的发布说明 本版 ...
- Java-栈的学习（字符串的反转）
StackX类 public class StackX{ private int maxSize; private char StackArray[]; private int top; public ...