如何以程式設計方式精確確定文字檔案的編碼？

精準辨識文字檔編碼

確定文字檔案的編碼方式可能很棘手，尤其是在不熟悉編碼概念的情況下。本文將介紹一種可靠的方法，其準確性堪比Notepad 。

位元組順序標記 (BOM) 的作用

位元組順序標記 (BOM) 位於文字檔案開頭的一系列位元組，用於指示檔案的編碼方式。具體如下：

• UTF-7: 2b 2f 76
• UTF-8: ef bb bf
• UTF-32 (LE): ff fe 00 00
• UTF-16 (LE): ff fe
• UTF-16 (BE): fe ff
• UTF-32 (BE): 00 00 fe ff

程式碼範例

將上述知識轉化為程式碼：

/// <summary>
/// 通过分析字节顺序标记 (BOM) 来确定文本文件的编码方式。
/// 如果无法检测文本文件的字节序，则默认为 ASCII。
/// </summary>
/// <param name="filename">要分析的文本文件。</param>
/// <returns>检测到的编码。</returns>
public static Encoding GetEncoding(string filename)
{
    // 读取 BOM
    var bom = new byte[4];
    using (var file = new FileStream(filename, FileMode.Open, FileAccess.Read))
    {
        file.Read(bom, 0, 4);
    }

    // 分析 BOM
    if (bom[0] == 0x2b && bom[1] == 0x2f && bom[2] == 0x76) return Encoding.UTF7;
    if (bom[0] == 0xef && bom[1] == 0xbb && bom[2] == 0xbf) return Encoding.UTF8;
    if (bom[0] == 0xff && bom[1] == 0xfe && bom[2] == 0 && bom[3] == 0) return Encoding.UTF32; //UTF-32LE
    if (bom[0] == 0xff && bom[1] == 0xfe) return Encoding.Unicode; //UTF-16LE
    if (bom[0] == 0xfe && bom[1] == 0xff) return Encoding.BigEndianUnicode; //UTF-16BE
    if (bom[0] == 0 && bom[1] == 0 && bom[2] == 0xfe && bom[3] == 0xff) return new UTF32Encoding(true, true);  //UTF-32BE

    // 如果编码检测失败，则默认为 ASCII
    return Encoding.ASCII;
}

有了這些工具，您現在可以像專業人士一樣自信地確定任何文字檔案的編碼方式。

以上是如何以程式設計方式精確確定文字檔案的編碼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！