获取txt文本文档的编码类型(c++,c#)

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。


在项目中正好用到判断编码的函数,写了一个辅助函数如下:

/***********************************************
书写人  : zhichao.wang
函数类型: 辅助函数
函数名称: lcl_GetTextEncode
函数功能: 获取指定路径的txt文档的编码格式
返回值  : LONG  
            1 - UTF-8
            2 - Unicode
            3 - Unicode big endian
            4 - ASCII
           -1 - error
***********************************************/
LONG CNsoControl::lcl_GetTextEncode(CString strTxtPath)
{
    LONG nType = -1;//error
    //打开要判断的文件
    FILE *pFile = NULL;  
    errno_t dError = _wfopen_s(&pFile,strTxtPath,L"r");  
    if ( 0 != dError )  
    {  
        fclose(pFile);
        return nType;  
    }  
    //这里要注意是用unsigned   char,不然的话读取到的数据会因为溢出而无法正确判断
    unsigned   char*   chFileFlag   =   new   unsigned   char[3];
    fread(chFileFlag,   1,   3,   pFile);

    if(chFileFlag[0]   ==   0xEF   &&   chFileFlag[1]   ==   0xBB   &&   chFileFlag[2]   ==   0xBF)
        nType = 1;//UTF-8
    else if (chFileFlag[0]   ==   0xFF   &&   chFileFlag[1]   ==   0xFE)
        nType = 2;//Unicode
    else if (chFileFlag[0]   ==   0xFE   &&   chFileFlag[1]   ==   0xFF)
        nType = 3;//Unicode big endian text
    else  
        nType = 4;//ASCII
    fclose(pFile);
    delete chFileFlag;
    return nType;   
}

c#代码如下:

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;
     }
}

程序中System.Text.Encoding.Default是指操作系统的当前 ANSI 代码页的编码。


你可能感兴趣的:(C++,windows,C#,delete,文档,buffer)