如何判斷一個文本文件內(nèi)容的編碼格式UTF？

文件的字符集在Windows下有兩種，一種是ANSI，一種Unicode。對于Unicode，Windows支持了它的三種編碼方式，一種是小尾編碼（Unicode)，一種是大尾編碼(BigEndianUnicode)，一種是UTF-8編碼。我們可以從文件的頭部來區(qū)分一個文件是屬于哪種編碼。當(dāng)頭部開始的兩個字節(jié)為 FF FE時，是Unicode的小尾編碼；當(dāng)頭部的兩個字節(jié)為FEFF時，是Unicode的大尾編碼；當(dāng)頭部兩個字節(jié)為EF BB時，是Unicode的UTF-8編碼；當(dāng)它不為這些時，則是ANSI編碼。按照如上所說，我們可以通過讀取文件頭的兩個字節(jié)來判斷文件的編碼格式，代碼如下(C#代碼）：程序中System.Text.Encoding.Default是指操作系統(tǒng)的當(dāng)前 ANSI 代碼頁的編碼。

1: public System.Text.Encoding GetFileEncodeType(string filename)

2: {

3: System.IO.FileStream fs = new System.IO.FileStream(filename, System.IO.FileMode.Open, System.IO.FileAccess.Read);

4: System.IO.BinaryReader br = new System.IO.BinaryReader(fs);

5: Byte[] buffer = br.ReadBytes(2);

6: if(buffer[0]>=0xEF)

7: {

8: if(buffer[0]==0xEF && buffer[1]==0xBB)

9: {

10: return System.Text.Encoding.UTF8;

11: }

12: else if(buffer[0]==0xFE && buffer[1]==0xFF)

13: {

14: return System.Text.Encoding.BigEndianUnicode;

15: }

16: else if(buffer[0]==0xFF && buffer[1]==0xFE)

17: {

18: return System.Text.Encoding.Unicode;

19: }

20: else21: { 22: return System.Text.Encoding.Default; 23: } 24: } 25: else26: { 27: return System.Text.Encoding.Default; 28: } 29: }