彻底解决.net中编码问题的心得

本文将解决.net(c#)系统中因编码转换而出现的乱码问题。

　　

最近的系统与字符集打交道，字符集的编码是一个非常头疼的事情，不小心就会造成乱码。深入学习编码知识，可以使我们在写程序时少走弯路。

要实现的功能：将一大堆网页文件批量导入数据库，然后再从数据库中批量导出保存为网页文件，导出的文件还需要再导入数据库中，依次循环。

由于最原始的网页文件来源很复杂，所以造成了编码不统一，有utf8、gb2312、gbk等。一般情况下，.net读取文本文件时，自己会识别出来编码，不需要我们操心，但是，经过测试，从数据库中读取的内容保存为文件后（写入时统一设置为utf-8），程序就不能正常识别文件的编码了。

.net中的System.IO.File.ReadAllText(filePath)，默认采用utf-8为编码来读取文件，也可以传入编码System.Text.Encoding.Default来解决问题。Default是Encoding类的一个属性，表示操作系统的当前 ANSI 代码页的编码。不同区域的操作系统，该属性值是也是不同的，比如：亚洲地区语言的编码的值为：System.Text.DBCSCodePageEncoding。

.net通过文件的BOM信息，能判断出来文件是什么格式：
Unicode {0xFF, 0xFE};
BE-Unicode {0xFE, 0xFF};
UTF8 = {0xEF, 0xBB, 0xBF};

由上可知,我将数据库里的内容保存为文件时，可能没有将BOM信息写入文件头，因此.net没有正确获取到文件的编码类型。

写入文件时，将BOM信息也添加到文件的代码：

以下为引用的内容： StreamWriter myText; myText = new StreamWriter("文件路径", false, new UTF8Encoding(true));

这样保存的文件，.net就可以识别出来它的编码了，而不至于再造成乱码的问题了。

小结：通过将文件转换成byte[],然后分析文件的BOM信息，即可得到文件的编码类型，然后进行相应的操作，避免造成乱码！
当文件有BOM信息时，我们通过File.ReadAllText("c:\cn_web_com.html",System.Text.Encoding.Default)就可以让.net自动去识别文件的编码类型，从而获取正确的文件内容。
当文件没有BOM信息时，我们在写入文件时，最好能添加它的BOM信息。否则，我们只能手动针对不能的编码来解析不同的文件，比如cn_web_com.html为utf8编码，我们读取它时，语句为：File.ReadAllText("c:\cn_web_com.html",System.Text.Encoding.GetEncoding("utf-8"));