判断一个文本文件的编码格式

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)

{

    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;

    }

}