.NET(C#)：從檔案中覺察編碼

今天遇到一個問題，需要從根據一個檔案嘗試擷取其文本編碼。不是很難呵呵，無非就是根據前幾個位元組判斷字元順序標記（BOM），如果檔案不包含BOM的話，返回一個預設值。

 

代碼：

/// <summary>

/// 根據檔案嘗試返回字元編碼

/// </summary>

/// <param name="file">檔案路徑</param>

/// <param name="defEnc">沒有BOM返回的預設編碼</param>

/// <returns>如果檔案無法讀取，返回null。否則，返回根據BOM判斷的編碼或者預設編碼（沒有BOM）。</returns>

static Encoding GetEncoding(string file, Encoding defEnc)

{

    using (var stream = File.OpenRead(file))

    {

        //判斷流可讀？

        if (!stream.CanRead)

            return null;

        //位元組數組儲存BOM

        var bom = new byte[4];

        //實際讀入的長度

        int readc;

 

        readc = stream.Read(bom, 0, 4);

 

        if (readc >= 2)

        {

            if (readc >= 4)

            {

                //UTF32，Big-Endian

                if (CheckBytes(bom, 4, 0x00, 0x00, 0xFE, 0xFF))

                    return new UTF32Encoding(true, true);

                //UTF32，Little-Endian

                if (CheckBytes(bom, 4, 0xFF, 0xFE, 0x00, 0x00))

                    return new UTF32Encoding(false, true);

            }

            //UTF8

            if (readc >= 3 && CheckBytes(bom, 3, 0xEF, 0xBB, 0xBF))

                return new UTF8Encoding(true);

 

            //UTF16，Big-Endian

            if (CheckBytes(bom, 2, 0xFE, 0xFF))

                return new UnicodeEncoding(true, true);

            //UTF16，Little-Endian

            if (CheckBytes(bom, 2, 0xFF, 0xFE))

                return new UnicodeEncoding(false, true);

        }

 

        return defEnc;

    }

}

 

//輔助函數，判斷位元組中的值

static bool CheckBytes(byte[] bytes, int count, params int[] values)

{

    for (int i = 0; i < count; i++)

        if (bytes[i] != values[i])

            return false;

    return true;

}

 

比如，使用上面的代碼，檢查“我的文件”目錄中所有TXT檔案的編碼資訊：

foreach (var file in Directory.GetFiles(Environment.GetFolderPath(Environment.SpecialFolder.MyDocuments), "*.txt"))

    Console.WriteLine("{0}\n{1}\n", file, GetEncoding(file, Encoding.ASCII).EncodingName);