C#获取文本文件的编码格式Encoding,自动区分GB2312和UTF8

  C#获取文本文件的编码格式Encoding,自动区分GB2312和UTF8

C# Code:

/// <summary>
/// C#获取文本文件的编码，自动区分GB2312和UTF8
/// </summary>
public static class FileEncoding
{
  
  /// <summary>
  /// C#根据字节数据byte[]前2位判断文本文件的Encoding编码格式
  /// </summary>
  /// <param name="bs"></param>
  /// <returns></returns>
   public static System.Text.Encoding GetType(byte[] bs)
  {
    Encoding result = System.Text.Encoding.Default;
    
    using (System.IO.MemoryStream fs = new MemoryStream(bs))
    {
      using (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)
          {
            result = System.Text.Encoding.UTF8;
          }
          else if (buffer[0] == 0xFE && buffer[1] == 0xFF)
          {
            result = System.Text.Encoding.BigEndianUnicode;
          }
          else if (buffer[0] == 0xFF && buffer[1] == 0xFE)
          {
            result = System.Text.Encoding.Unicode;
          }
          else
          {
            result = System.Text.Encoding.Default;
          }
        }
        else
        {
          result = System.Text.Encoding.Default;
        }
        br.Close();
        br.Dispose();
        fs.Close();
        fs.Dispose();
      }
    }
    
    return result;
  }
  
  
  /// <summary>
  /// 获取文件编码格式
  /// </summary>
  /// <param name="file"></param>
  /// <returns></returns>
   public static System.Text.Encoding GetType(string file)
  {
    using (FileStream fs = new FileStream(file, FileMode.Open, FileAccess.Read))
    {
      byte[] Unicode = new byte[] { 0xFF, 0xFE, 0x41 };
      byte[] UnicodeBIG = new byte[] { 0xFE, 0xFF, 0x00 };
      byte[] UTF8 = new byte[] { 0xEF, 0xBB, 0xBF }; //带BOM
       Encoding reVal = Encoding.Default;
      using (BinaryReader r = new BinaryReader(fs, System.Text.Encoding.Default))
      {
        int.TryParse(fs.Length.ToString(), out int i);
        byte[] ss = r.ReadBytes(i);
        if (IsUTF8Bytes(ss) || (ss[0] == 0xEF && ss[1] == 0xBB && ss[2] == 0xBF))
        {
          reVal = Encoding.UTF8;
        }
        else if (ss[0] == 0xFE && ss[1] == 0xFF && ss[2] == 0x00)
        {
          reVal = Encoding.BigEndianUnicode;
        }
        else if (ss[0] == 0xFF && ss[1] == 0xFE && ss[2] == 0x41)
        {
          reVal = Encoding.Unicode;
        }
        r.Close();
      }
      fs.Close();
      fs.Dispose();
      return reVal;
    }
  }
  
  /// <summary>
  /// 判断是否是不带 BOM 的 UTF8 格式
  /// </summary>
  /// <param name=“data“></param>
  /// <returns></returns>
   private static bool IsUTF8Bytes(byte[] data)
  {
    int charByteCounter = 1; //计算当前正分析的字符应还有的字节数
     byte curByte; //当前分析的字节.
     for (int i = 0; i < data.Length; i++)
    {
      curByte = data[i];
      if (charByteCounter == 1)
      {
        if (curByte >= 0x80)
        {
          //判断当前
           while (((curByte <<= 1) & 0x80) != 0)
          {
            charByteCounter++;
          }
          //标记位首位若为非0 则至少以2个1开始 如:110XXXXX...........1111110X
           if (charByteCounter == 1 || charByteCounter > 6)
          {
            return false;
          }
        }
      }
      else
      {
        //若是UTF-8 此时第一位必须为1
         if ((curByte & 0xC0) != 0x80)
        {
          return false;
        }
        charByteCounter--;
      }
    }
    if (charByteCounter > 1)
    {
      throw new Exception("非预期的byte格式");
    }
    return true;
  }
}

//来源:C/S框架网 | www.csframework.com | QQ:23404761

---

扫一扫加微信