如何在 C# 中高效檢測字串的編碼？

C#中高效率偵測字串編碼

準確判斷字串編碼對於處理來自不同來源的文字資料至關重要。本文將探討如何在C#中有效率地實現這一目標。

編碼線索

在沒有明確聲明的情況下，有多種方法可以確定字串的編碼：

1. BOM (位元組順序標記): 許多Unicode編碼在檔案開頭包含三位元組或四位元組的簽章來指示其編碼。例如，UTF-8使用0xEFBBBF。
2. 探測/啟發式檢查: 透過檢查字串的前幾個字節，我們可以嘗試偵測編碼。例如，UTF-8往往具有特定高位元被設定的位元組模式。
3. 檔案中的元資料: 有些檔案在其內容或元資料中嵌入編碼資訊。尋找文字中諸如“charset=xyz”或“encoding=xyz”之類的模式。

解決方案概述

提供的程式碼結合了所有三種方法來確定字串的編碼，首先是BOM檢測。如果找不到BOM，程式碼使用偵測器啟發式地識別常見的編碼，如UTF-8和UTF-16。最後，如果沒有發現合適的編碼，它將回退到系統的預設代碼頁。

該代碼不僅檢測編碼，還返回解碼後的文本，以全面提供所需資訊。

程式碼實作

以下C#程式碼實作了此解決方案：

<code class="language-c#">public Encoding detectTextEncoding(string filename, out String text, int taster = 1000)
{
    // 检查BOM
    // 为简洁起见省略

    // 基于探测器的编码检测
    bool utf8 = false;
    int i = 0;
    while (i < taster) {
        // 省略具体实现细节
    }

    // ... (其余代码省略)
}</code>

使用方法

要使用此程式碼，請提供檔案路徑作為字串，並擷取偵測到的編碼和解碼後的文字作為輸出參數。以下是一個範例：

```c# string text; Encoding encoding = detectTextEncoding("my_file.txt", out text); Console.WriteLine("偵測到的編碼: " encoding.EncodingName); Console.WriteLine("解碼後的文字: " text); ```

總而言之，此程式碼提供了一種強大的方法來確定C#中字串的編碼，利用BOM和啟發式檢查來確保準確檢測。

以上是如何在 C# 中高效檢測字串的編碼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！