求助：C#讀文字檔（編碼未知）的問題

    現有文字檔“test.txt”（使用vc儲存的，具體格式編碼未知），只有2行字串，如所示：

圖1

    其行資料是按照一定格式排列的，前6個位元組表示是人名（字串），後2個位元組表示年齡（整形值）。例如第一行“熊選文28”，表示熊選文的年齡是28歲。注意，第二行其中的”?”不是中文的問號，也不是英文的問號，只是Windows系統沒有對應字元，才顯示? 。如，該“?”對應的兩個位元組：C6 32。

圖2

    根據的16進位位元組編碼推測，該文本應該不是UNICODE編碼，因為頭部沒有BOM。

    現在要求用C#編寫程式來讀上面這個文字檔，並將每行的人名和年齡分別提取出來。

    很簡單，用StreamReader就可以，代碼如下：

public void ReadFileData(string fileName)

{

    //System.Text.Encoding encode=System.Text.Encoding.Default;

    System.Text.Encoding encode=System.Text.Encoding.GetEncoding("gb2312");

    //default表示使用作業系統的編碼即可，一般中文作業系統都是Encoding.GetEncoding("gb2312")，但是其他系統就不一樣了

    //所以，此處其實用Encoding.GetEncoding("gb2312")更精確一些，免得有時候換成英文或其他動作系統，讀取資料就有問題了

    using(StreamReader sr = new StreamReader(fileName, encode))

    {

        if (sr == null)

        {

            return;

        }

        int nRow=0;//行號

        string sLineBuf = null;//行資料緩衝

        string sName = "";//人名

        int nAge = 0;// 年齡

        while ((sLineBuf = sr.ReadLine()) != null)//

        {

            nRow++;

            if (sLineBuf == "")

                continue;//如果為空白字串，跳過當前行

            sName =GetSubString(sLineBuf, 0, 6);//讀取人名（前6個位元組）

            string sAge =GetSubString(sLineBuf, 6, 2);//後2個位元組

            nAge = Convert.ToInt16(sAge);//讀取年齡

        }

    }

} 

    因為字串內建的取子字串的函數Substring()是按字元數來截取的，而不是按照位元組數來截取。故我自己寫了一個按照位元組數來截取子字串的函數：GetSubString。

/// <summary>

/// 從一個字串中某個位置（該位置以位元組數而不是字元數計算）開始取定長（該字串的長度以位元組數而不是字元數計算）的字串

/// </summary>

/// <param name="SStr">源字串</param>

/// <param name="nStart">取字串的起始位置</param>

/// <param name="nByte">字串的長度</param>

/// <returns>返回字串</returns>

public static string  GetSubString(string SStr,int nStart,int nByte)

{

    string Tstr = "";

    byte[] sbytes = System.Text.Encoding.GetEncoding("gb2312").GetBytes(SStr);//轉換為位元組數組

    if (sbytes.Length == 0)

        return Tstr;

    if (nStart > sbytes.Length)

        return Tstr;

    byte[] tbytes = new byte[nByte];

    int i = nStart;

    int j = 0;

    while (i < sbytes.Length && j < nByte)

    {

        tbytes[j++] = sbytes[i++];

    }

    try

    {

        Tstr = System.Text.Encoding.GetEncoding("gb2312").GetString(tbytes);//轉換為字串

    }

    catch (System.Exception ex)

    {

        throw ex;

    }

    return Tstr;

}

    上面的程式寫好了，開始讀取資料，輸出結果如下： 

人名:年齡

熊選文:28

張三?2:0

    第一行資料是沒問題，但第二行就有問題了。本來應該是"張三?"的年齡是"20"歲，讀出來的結果是"張三?2"的年齡是"0"歲，明顯有誤。為什麼會出現這樣的結果呢？

    通過調試，就會發現c#讀取該行的十六進位為：D5 C5 C8 FD 3F 32 30，而原本應該是D5 C5 C8 FD C6 32 32 30（見圖2）。原本的C6 32變成了3F（3F對應的字元就是英文的問號），所以位元組數就少了一個，截取前6個位元組就是D5 C5 C8 FD 3F 32，對應的字串就是“張三?2”,後面只有一個位元組30，對應的字元就是0。所以最後得到的結果是“張三?2”的年齡是“0”。

    通過對比分析發現，第一行資料中沒有像“C6 32”這樣的字元，所以用c#讀出來結果很正常。第二行中有“C6 32”這樣的字元，用C#讀就會自動轉換為3F。如果把“C6 32”換成其他的字元，如“BD 32”,都會有同樣的問題。這是為什麼呢？我想，應該是在GB2312中沒有這種字元編碼，所以無法識別，將該字元自動轉換為英文的”?”，當然也無法正確讀和顯示了。

    像上面這種文本資料(文本編碼方式未知，但包含中英文，甚至有除中英文之外的其他字元)，用C#如何才能無誤的讀取資料呢？