参考文章 :Qt/C++数据库应用22-文件编码格式识别
原理
- ANSI 不是具体指的某一个编码,跟本地机器有关如果你是window中文那么ANSI就是代表 GB2312 没有固定格式
- UTF-16 文本前两个字节为 FF FE 字节流是little endian
- UTF-16 文本前两个字节为 FE FF 字节流是big endian
- UTF-8 带bom 前两个字节为 EF BB
- UTF-8 不带bom 没有固定格式
代码
//检查文件编码 0=ANSI 1=UTF-16LE 2=UTF-16BE 3=UTF-8 4=UTF-8BOM
Qstring DataCsv::findCode(const QString &fileName)
{
//假定默认编码utf8
flag = "UTF-8";
QFile file(fileName);
if (file.open(QIODevice::ReadOnly)) {
//读取3字节用于判断
QByteArray buffer = file.read(3);
quint8 b1 = buffer.at(0);
quint8 b2 = buffer.at(1);
quint8 b3 = buffer.at(2);
if (b1 == 0xFF && b2 == 0xFE) {
flag = "UTF-16LE";
}
else if (b1 == 0xFE && b2 == 0xFF) {
flag = "UTF-16BE";
}
else if (b1 == 0xEF && b2 == 0xBB && b3 == 0xBF) {
flag = "UTF-8BOM";
}
else {
//尝试用utf8转换,如果可用字符数大于0,则表示是ansi编码
QTextCodec::ConverterState state;
QTextCodec *codec = QTextCodec::codecForName("utf-8");
codec->toUnicode(buffer.constData(), buffer.size(), &state);
if (state.invalidChars > 0) {
flag = "ANSI";
}
}
file.close();
}
return flage;
}