C#如何自动识别文件的编码

前言

C#中识别文件的编码是一个头疼的问题，最近在做导入微信商户后台退款数据时，无论怎么设置编码导出来都是乱码，后来在网上找了这个识别文件编码的代码，感觉不错。最后识别出来是gb2312，看来我还是太渣了，只能吃土了，竟然忘记了这个编码。

下面话不多说，上代码。

/// <summary>
 /// 用于取得一个文本文件的编码方式(Encoding)。
 /// </summary>
 public class TxtFileEncoder
 {
  public TxtFileEncoder()
  {
   //
   // TODO: 在此处添加构造函数逻辑
   //
  }
  /// <summary>
  /// 取得一个文本文件的编码方式。如果无法在文件头部找到有效的前导符，Encoding.Default将被返回。
  /// </summary>
  /// <param name="fileName">文件名。</param>
  /// <returns></returns>
  public static Encoding GetEncoding(string fileName)
  {
   return GetEncoding(fileName, Encoding.Default);
  }
  /// <summary>
  /// 取得一个文本文件流的编码方式。
  /// </summary>
  /// <param name="stream">文本文件流。</param>
  /// <returns></returns>
  public static Encoding GetEncoding(FileStream stream)
  {
   return GetEncoding(stream, Encoding.Default);
  }
  /// <summary>
  /// 取得一个文本文件的编码方式。
  /// </summary>
  /// <param name="fileName">文件名。</param>
  /// <param name="defaultEncoding">默认编码方式。当该方法无法从文件的头部取得有效的前导符时，将返回该编码方式。</param>
  /// <returns></returns>
  public static Encoding GetEncoding(string fileName, Encoding defaultEncoding)
  {
   FileStream fs = new FileStream(fileName, FileMode.Open);
   Encoding targetEncoding = GetEncoding(fs, defaultEncoding);
   fs.Close();
   return targetEncoding;
  }
  /// <summary>
  /// 取得一个文本文件流的编码方式。
  /// </summary>
  /// <param name="stream">文本文件流。</param>
  /// <param name="defaultEncoding">默认编码方式。当该方法无法从文件的头部取得有效的前导符时，将返回该编码方式。</param>
  /// <returns></returns>
  public static Encoding GetEncoding(FileStream stream, Encoding defaultEncoding)
  {
   Encoding targetEncoding = defaultEncoding;
   if (stream != null && stream.Length >= 2)
   {
    //保存文件流的前4个字节
    byte byte1 = 0;
    byte byte2 = 0;
    byte byte3 = 0;
    byte byte4 = 0;
    //保存当前Seek位置
    long origPos = stream.Seek(0, SeekOrigin.Begin);
    stream.Seek(0, SeekOrigin.Begin);

    int nByte = stream.ReadByte();
    byte1 = Convert.ToByte(nByte);
    byte2 = Convert.ToByte(stream.ReadByte());
    if (stream.Length >= 3)
    {
     byte3 = Convert.ToByte(stream.ReadByte());
    }
    if (stream.Length >= 4)
    {
     byte4 = Convert.ToByte(stream.ReadByte());
    }
    //根据文件流的前4个字节判断Encoding
    //Unicode {0xFF, 0xFE};
    //BE-Unicode {0xFE, 0xFF};
    //UTF8 = {0xEF, 0xBB, 0xBF};
    if (byte1 == 0xFE && byte2 == 0xFF)//UnicodeBe
    {
     targetEncoding = Encoding.BigEndianUnicode;
    }
    if (byte1 == 0xFF && byte2 == 0xFE && byte3 != 0xFF)//Unicode
    {
     targetEncoding = Encoding.Unicode;
    }
    if (byte1 == 0xEF && byte2 == 0xBB && byte3 == 0xBF)//UTF8
    {
     targetEncoding = Encoding.UTF8;
    }
    //恢复Seek位置
    stream.Seek(origPos, SeekOrigin.Begin);
   }
   return targetEncoding;
  }

  // 新增加一个方法，解决了不带BOM的 UTF8 编码问题 

  /// <summary>
  /// 通过给定的文件流，判断文件的编码类型
  /// </summary>
  /// <param name="fs">文件流</param>
  /// <returns>文件的编码类型</returns>
  public static System.Text.Encoding GetEncoding(Stream fs)
  {
   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;

   BinaryReader r = new BinaryReader(fs, System.Text.Encoding.Default);
   byte[] ss = r.ReadBytes(4);
   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;
   }
   else
   {
    if (ss[0] == 0xEF && ss[1] == 0xBB && ss[2] == 0xBF)
    {
     reVal = Encoding.UTF8;
    }
    else
    {
     int i;
     int.TryParse(fs.Length.ToString(), out i);
     ss = r.ReadBytes(i);

     if (IsUTF8Bytes(ss))
      reVal = Encoding.UTF8;
    }
   }
   r.Close();
   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;
  }
 }

总结

以上就是C#自动识别文件编码的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。