心路

自强不息，厚德载物。

转载 C#解决读写包含汉字的txt文件时乱码的问题收藏

新一篇: C#重用UDP端口号 | 旧一篇: Thread中的Join问题

为了解决这个问题，我写了一个类，来取得一个文本文件的encoding，这样我们就可以创建对应的StreamReader和StreamWriter来读写，保证不会出现乱码现象。其实原理很简单，文本编辑器(比如XP自带的记事本)在生成文本文件时，如果编码格式和系统默认的编码(中文系统下默认为GB2312)不一致时，会在txt文件开头部分添加特定的;编码字节序标识(Encoding Bit Order Madk，简写为BOM)”，类似PE格式的"MZ"文件头。这样它在读取时就可以根据这个BOM来确定该文本文件生成时所使用的Encoding。这个BOM我们用记事本等程序打开默认是看不到的，但是用stream按字节读取时是可以读到的。我的这个TxtFileEncoding类就是根据这个BOM;文件头” 来确定txt文件生成时用到的编码的。
由于在GB2312和UTF7编码都没有BOM，所以需要指定一个默认的Encoding，在找不到合法的BOM时，将返回这个Encoding。有谁知道如何区分GB2312和UTF7编码txt文件的方法，也请告诉我。
由于只是static方法，所以不用new，直接通过类名调用方法，使用起来也很简单。

  1. using System; 
  2. using System.Text; 
  3. using System.IO; 
  4. namespace System.Shangfei.Text 
  5. { 
  6.   /// 
  7.   /// 用于取得一个文本文件的编码方式(Encoding)。 
  8.   /// 
  9.   public class TxtFileEncoding 
  10.   { 
  11.     public TxtFileEncoding() 
  12.     { 
  13.     } 
  15.     /// <summary>
  16.     /// 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。 
  17.     /// </summary>
  18.     /// <param name="fileName">文件名。</param>
  19.     /// <returns></returns>
  20.     public static Encoding GetEncoding(string fileName) 
  21.     { 
  22.       return GetEncoding(fileName, Encoding.Default); 
  23.     } 
  25.     /// <summary>
  26.     /// 取得一个文本文件流的编码方式。
  27.     /// </summary>
  28.     /// <param name="stream">文本文件流。</param>
  29.     /// <returns></returns>
  30.     public static Encoding GetEncoding(FileStream stream) 
  31.     { 
  32.       return GetEncoding(stream, Encoding.Default); 
  33.     } 
  35.     /// <summary>
  36.     /// 取得一个文本文件的编码方式。 
  37.     /// </summary>
  38.     /// <param name="fileName">文件名。</param>
  39.     /// <param name="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>
  40.     /// <returns></returns>
  41.     public static Encoding GetEncoding(string fileName, Encoding defaultEncoding) 
  42.     { 
  43.       FileStream fs = new FileStream(fileName, FileMode.Open); 
  44.       Encoding targetEncoding = GetEncoding(fs, defaultEncoding); 
  45.       fs.Close(); 
  46.       return targetEncoding; 
  47.     } 
  49.     /// <summary>
  50.     /// 取得一个文本文件流的编码方式。 
  51.     /// </summary>
  52.     /// <param name="stream">文本文件流。 </param>
  53.     /// <param name="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>
  54.     /// <returns></returns>
  55.     public static Encoding GetEncoding(FileStream stream, Encoding defaultEncoding) 
  56.     { 
  57.       Encoding targetEncoding = defaultEncoding; 
  58.       if(stream != null && stream.Length>= 2) 
  59.       { 
  60.         //保存文件流的前4个字节 
  61.         byte byte1 = 0; 
  62.         byte byte2 = 0; 
  63.         byte byte3 = 0; 
  64.         byte byte4 = 0; 
  65.         //保存当前Seek位置 
  66.         long origPos = stream.Seek(0, SeekOrigin.Begin); 
  67.         stream.Seek(0, SeekOrigin.Begin); 
  69.         int nByte = stream.ReadByte(); 
  70.         byte1 = Convert.ToByte(nByte); 
  71.         byte2 = Convert.ToByte(stream.ReadByte()); 
  72.         if(stream.Length>= 3) 
  73.         { 
  74.           byte3 = Convert.ToByte(stream.ReadByte()); 
  75.         } 
  76.         if(stream.Length >= 4) 
  77.         { 
  78.           byte4 = Convert.ToByte(stream.ReadByte()); 
  79.         } 
  80.         //根据文件流的前4个字节判断Encoding 
  81.         //Unicode {0xFF, 0xFE}; 
  82.         //BE-Unicode {0xFE, 0xFF}; 
  83.         //UTF8 = {0xEF, 0xBB, 0xBF}; 
  84.         if(byte1 == 0xFE && byte2 == 0xFF)//UnicodeBe 
  85.         { 
  86.           targetEncoding = Encoding.BigEndianUnicode; 
  87.         } 
  88.         if(byte1 == 0xFF && byte2 == 0xFE && byte3 != 0xFF)//Unicode 
  89.         { 
  90.           targetEncoding = Encoding.Unicode; 
  91.         } 
  92.         if(byte1 == 0xEF && byte2 == 0xBB && byte3 == 0xBF)//UTF8 
  93.         { 
  94.           targetEncoding = Encoding.UTF8; 
  95.         } 
  96.         //恢复Seek位置 
  97.         stream.Seek(origPos, SeekOrigin.Begin); 
  98.       } 
  99.       return targetEncoding; 
  100.     } 
  101.   }
  102. }

 

测试

  1. using System; 
  2. using Farproc.Text; 
  3. using System.Text; 
  4. using System.IO; 
  5. namespace ConsoleApplication1 
  6. { 
  7.   /// 〈summary〉 
  8.   /// Class1 的摘要说明。 
  9.   /// 〈/summary〉 
  10.   class Class1 
  11.   { 
  12.     /// 〈summary〉 
  13.     /// 应用程序的主入口点。 
  14.     /// 〈/summary〉 
  15.     [STAThread] 
  16.     static void Main(string[] args) 
  17.     { 
  18.       string fileName = @"e:\a.txt"; 
  20.       //生成一个big endian Unicode编码格式的文本文件 
  21.       StreamWriter sw = new StreamWriter(fileName, false, Encoding.BigEndianUnicode);//你可以试试其他编码，比如Encoding.GetEncoding("GB2312")或UTF8 
  22.       sw.Write("这是一个String");
  23.       sw.Close(); 
  24.       //读取 
  25.       Encoding fileEncoding = TxtFileEncoding.GetEncoding(fileName, Encoding.GetEncoding("GB2312"));//取得这txt文件的编码 
  26.       Console.WriteLine("这个文本文件的编码为：" + fileEncoding.EncodingName); 
  27.       StreamReader sr = new StreamReader(fileName, fileEncoding);//用该编码创建StreamReader 
  28.       //用下面的方法虽然可以让系统自动判断文本文件的编码格式，但是我们无法取得该文本文件的编码 
  29.       //sr.CurrentEncoding永远为 Unicode(UTF-8) 
  30.       //StreamReader sr = new StreamReader(fileName, true); 
  31.       //Console.WriteLine("这个文本文件的编码为：" + sr.CurrentEncoding.EncodingName); 
  32.       Console.WriteLine("这个文本文件的内容为：" + sr.ReadToEnd()); 
  33.       sr.Close(); 
  34.       Console.ReadLine(); 
  35.     } 
  36.   } 
  37. }

 

NET下的string永远是Unicode的，所以只能判断txt文件的Encoding。对于byte[]，只有自己知道它的Encoding才能转换为string 转换为其他编码的byte[]，一个例外是把整个txt文件通过stream读入byte[]后也可以根据它的前几个字节判断
Encoding，对于片断，我们就无能为力了:)

发表于 @ 2008年10月07日 08:43:00|评论(loading...)|收藏

新一篇: C#重用UDP端口号 | 旧一篇: Thread中的Join问题

评论：没有评论。
发表评论  


当前用户设置只有注册用户才能发表评论。如果你没有登录，请点击登录
Csdn Blog version 3.1a
Copyright © 尚飞