作者：袁曉輝（版權所有）
時間：2005-8-8
當我們用System.IO.StreamReader讀取包含漢字的txt文件時，經常會讀出亂碼（StreamWriater寫文本文件也
有類似的問題），原因很簡單，就是文件的編碼（encoding）和StreamReader/Writer的encoding不對應。
為了解決這個問題，我寫了一個類，來取得一個文本文件的encoding，這樣我們就可以創建對應的
StreamReader和StreamWriter來讀寫，保證不會出現亂碼現象。其實原理很簡單，文本編輯器（比如XP自帶的記事
本）在生成文本文件時，如果編碼格式和系統默認的編碼（中文系統下默認為GB2312）不一致時，會在txt文件開頭
部分添加特定的“編碼字節序標識（Encoding Bit Order Madk，簡寫為BOM）”，類似PE格式的"MZ"文件頭。這樣
它在讀取時就可以根據這個BOM來確定該文本文件生成時所使用的Encoding。這個BOM我們用記事本等程序打開默認
是看不到的，但是用stream按字節讀取時是可以讀到的。我的這個TxtFileEncoding類就是根據這個BOM“文件頭”
來確定txt文件生成時用到的編碼的。
// 作者：袁曉輝
// 2005-8-8
// // // // // //
using System;
using System.Text;
using System.IO;
namespace FarPRoc.Text
{
/// <summary>
/// 用于取得一個文本文件的編碼方式(Encoding)。
/// </summary>
public class TxtFileEncoding
{
public TxtFileEncoding()
{
//
// TODO: 在此處添加構造函數邏輯
//
}
/// <summary>
/// 取得一個文本文件的編碼方式。如果無法在文件頭部找到有效的前導符，Encoding.Default將被返回。
/// </summary>
/// <param name="fileName">文件名。</param>
/// <returns></returns>
public static Encoding GetEncoding(string fileName)
{
return GetEncoding(fileName, Encoding.Default);
}
/// <summary>
/// 取得一個文本文件流的編碼方式。
/// </summary>
/// <param name="stream">文本文件流。</param>
/// <returns></returns>
public static Encoding GetEncoding(FileStream stream)
{
return GetEncoding(stream, Encoding.Default);
}
/// <summary>
/// 取得一個文本文件的編碼方式。
/// </summary>
/// <param name="fileName">文件名。</param>
/// <param name="defaultEncoding">默認編碼方式。當該方法無法從文件的頭部取得有效的前導符時，將返回該編碼方式。</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>
/// 取得一個文本文件流的編碼方式。
/// </summary>
/// <param name="stream">文本文件流。</param>
/// <param name="defaultEncoding">默認編碼方式。當該方法無法從文件的頭部取得有效的前導符時，將返回該編碼方式。</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個字節
byte byte1 = 0;
byte byte2 = 0;
byte byte3 = 0;
byte byte4 = 0;
//保存當前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());
}
//根據文件流的前4個字節判斷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;
}
//恢復Seek位置
stream.Seek(origPos, SeekOrigin.Begin);
}
return targetEncoding;
}
}
}
由于在GB2312和UTF7編碼都沒有BOM，所以需要指定一個默認的Encoding，在找不到合法的BOM時，將返回這個
Encoding。有誰知道如何區分GB2312和UTF7編碼txt文件的方法，也請告訴我。
由于只是static方法，所以不用new，直接通過類名調用方法，使用起來也很簡單。
using System;
using Farproc.Text;
using System.Text;
using System.IO;
namespace Consoleapplication1
{
/// <summary>
/// Class1 的摘要說明。
/// </summary>
class Class1
{
/// <summary>
/// 應用程序的主入口點。
/// </summary>
[STAThread]
static void Main(string[] args)
{
//
// TODO: 在此處添加代碼以啟動應用程序
//
string fileName = @"e:/a.txt";
//生成一個big endian Unicode編碼格式的文本文件
StreamWriter sw = new StreamWriter(fileName, false, Encoding.BigEndianUnicode);//你可以試試其他編碼，比如Encoding.GetEncoding("GB2312")或UTF8
sw.Write("這是一個String");
sw.Close();
//讀取
Encoding fileEncoding = TxtFileEncoding.GetEncoding(fileName, Encoding.GetEncoding("GB2312"));//取得這txt文件的編碼
Console.WriteLine("這個文本文件的編碼為：" + fileEncoding.EncodingName);
StreamReader sr = new StreamReader(fileName, fileEncoding);//用該編碼創建StreamReader
//用下面的方法雖然可以讓系統自動判斷文本文件的編碼格式，但是我們無法取得該文本文件的編碼
//sr.CurrentEncoding永遠為 Unicode(UTF-8)
//StreamReader sr = new StreamReader(fileName, true);
//Console.WriteLine("這個文本文件的編碼為：" + sr.CurrentEncoding.EncodingName);
Console.WriteLine("這個文本文件的內容為：" + sr.ReadToEnd());
sr.Close();
Console.ReadLine();
}
}
}
.NET下的string永遠是Unicode的，所以只能判斷txt文件的Encoding。對于byte[]，只有自己知道它的
Encoding才能轉換為string 轉換為其他編碼的byte[]，一個例外是把整個txt文件通過stream讀入byte[]后也可以根據它的前幾個字節判斷
Encoding，對于片斷，我們就無能為力了:)
新聞熱點
疑難解答
