C# 判断一个文本文件的编码格式（转载）

文件的字符集在Windows下有两种，一种是ANSI，一种Unicode。
对于Unicode，Windows支持了它的三种编码方式，一种是小尾编码（Unicode)，一种是大尾编码(BigEndianUnicode)，一种是UTF-8编码。
我们可以从文件的头部来区分一个文件是属于哪种编码。当头部开始的两个字节为 FF FE时，是Unicode的小尾编码；当头部的两个字节为FE FF时，是Unicode的大尾编码；当头部两个字节为EF BB时，是Unicode的UTF-8编码；当它不为这些时，则是ANSI编码。
按照如上所说，我们可以通过读取文件头的两个字节来判断文件的编码格式，代码如下(C#代码）：
程序中System.Text.Encoding.Default是指操作系统的当前 ANSI 代码页的编码。

public System.Text.Encoding GetFileEncodeType(string filename)
{
    using (System.IO.FileStream fs = new System.IO.FileStream(filename, System.IO.FileMode.Open, System.IO.FileAccess.Read))
    {
        System.IO.BinaryReader br = new System.IO.BinaryReader(fs);
        byte[] buffer = br.ReadBytes(2);

        if (buffer[0] >= 0xEF)
        {
            if (buffer[0] == 0xEF && buffer[1] == 0xBB)
            {
                return System.Text.Encoding.UTF8;
            }
            else if (buffer[0] == 0xFE && buffer[1] == 0xFF)
            {
                return System.Text.Encoding.BigEndianUnicode;
            }
            else if (buffer[0] == 0xFF && buffer[1] == 0xFE)
            {
                return System.Text.Encoding.Unicode;
            }
            else
            {
                return System.Text.Encoding.Default;
            }
        }
        else
        {
            return System.Text.Encoding.Default;
        }
    }
}

用StreamWriter和FileStream往文本文件中写入数据有什么不同

可能有些同学不知道，实际上用StreamWriter和FileStream往一个文本文件写入字符数据，其效果是不一样的。

我们新建一个.NET Core控制台项目，然后在其中Program类的Main方法中，使用UTF-8编码将一段html文本text转换为字节数组writeData，再用StreamWriter将html文本text写入文件C:DemoFolderDemo.html，然后接着我们用FileStream再将文件C:DemoFolderDemo.html读取为字节数组readData，我们来看看两个字节数组writeData和readData有什么不同，代码如下：

using System;
using System.IO;
using System.Text;

namespace EncodingTesting
{
    class Program
    {
        static void Main(string[] args)
        {
            string text = "<html><head></head><body>大家好！</body></html>";
            Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43

            byte[] writeData = Encoding.UTF8.GetBytes(text);
            Console.WriteLine($"字节数组writeData的长度为：{writeData.Length}");//writeData有51个字节

            using (var sw = new StreamWriter(@"C:DemoFolderDemo.html", false, Encoding.UTF8))
            {
                sw.Write(text);
            }

            byte[] readData;

            using (var fsr = new FileStream(@"C:DemoFolderDemo.html", FileMode.Open))
            {
                readData = new byte[fsr.Length];

                fsr.Read(readData, 0, readData.Length);
            }

            Console.WriteLine($"字节数组readData的长度为：{readData.Length}");//readData有54个字节

            string readText = Encoding.UTF8.GetString(readData);
            Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为44
            Console.WriteLine(readText);//输出结果：?<html><head></head><body>大家好！</body></html>
            
            Console.WriteLine("Press any key to end...");
            Console.ReadKey();
        }
    }
}

输出结果如下：

我们可以看到使用StreamWriter将html文本text写入文件C:DemoFolderDemo.html后，用FileStream读取回来的字节数组readData比writeData多了3个字节，这就是因为StreamWriter用UTF-8编码写入文本文件时会自动在文件的头部加上三个字节（在WIN10中实际测试下来是多了三个字节，而不是本文前面说的两个字节）的数据EF BB BF，由于多了这三个字节的数据，我们可以看到最后字符串readText前面有一个乱码字符"?"，所以这样读写文本文件实际上是不对的。

因此最好的方法是用StreamWriter来写入文本文件，用StreamReader来读入文本文件，这样C#会自动帮我们处理UTF-8编码多出来的三个字节数据，不会出现乱码，代码如下：

using System;
using System.IO;
using System.Text;

namespace EncodingTesting
{
    class Program
    {
        static void Main(string[] args)
        {
            string text = "<html><head></head><body>大家好！</body></html>";
            Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43

            using (var sw = new StreamWriter(@"C:DemoFolderDemo.html", false, Encoding.UTF8))
            {
                sw.Write(text);
            }

            string readText;

            using (var sr = new StreamReader(@"C:DemoFolderDemo.html", Encoding.UTF8))
            {
                readText = sr.ReadToEnd();
            }

            Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为43
            Console.WriteLine(readText);//输出结果：<html><head></head><body>大家好！</body></html>

            Console.WriteLine("Press any key to end...");
            Console.ReadKey();
        }
    }
}

输出结果如下：

值得注意的是虽然我们用StreamWriter向文本文件C:DemoFolderDemo.html写入html文本时，由于UTF-8编码文件头会多写三个字节的数据，但是我们使用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:DemoFolderDemo.html时，其内容是可以正常显示的：

但是如果我们使用FileStream来写入html文本到文本文件C:DemoFolderDemo.html，也就是不写入UTF-8编码文件头的三个字节数据，使用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:DemoFolderDemo.html，反而是乱码，代码如下：

using System;
using System.IO;
using System.Text;

namespace EncodingTesting
{
    class Program
    {
        static void Main(string[] args)
        {
            string text = "<html><head></head><body>大家好！</body></html>";
            Console.WriteLine($"字符串text的长度为：{text.Length}");//text长度为43

            byte[] writeData = Encoding.UTF8.GetBytes(text);
            Console.WriteLine($"字节数组writeData的长度为：{writeData.Length}");//writeData有51个字节

            using (var fsw = new FileStream(@"C:DemoFolderDemo.html", FileMode.Create))
            {
                fsw.Write(writeData, 0, writeData.Length);
            }

            byte[] readData;

            using (var fsr = new FileStream(@"C:DemoFolderDemo.html", FileMode.Open))
            {
                readData = new byte[fsr.Length];

                fsr.Read(readData, 0, readData.Length);
            }

            Console.WriteLine($"字节数组readData的长度为：{readData.Length}");//readData有51个字节

            string readText = Encoding.UTF8.GetString(readData);
            Console.WriteLine($"字符串readText的长度为：{readText.Length}");//readText长度为43
            Console.WriteLine(readText);//输出结果：<html><head></head><body>大家好！</body></html>

            Console.WriteLine("Press any key to end...");
            Console.ReadKey();
        }
    }
}

输出结果如下：

由于此时文件中没有UTF-8编码文件头的三个字节数据，所以用常用的Web浏览器（例如IE、Edge、Firefox等）打开C:DemoFolderDemo.html后为乱码：

所以由此可见，正常情况下采用UTF-8编码的文本文件，都要有三个字节的文件头，其内容才能够被正确地读取出来。

原文链接

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/OpenCoder/p/10499245.html