分享
 
 
 

[C#]解决读写包含汉字的txt文件时乱码的问题

王朝c#·作者佚名  2006-11-24
窄屏简体版  字體: |||超大  

当我们用System.IO.StreamReader读取包含汉字的txt文件时,经常会读出乱码(StreamWriater写文本文件也有类似的问题),原因很简单,就是文件的编码(encoding)和StreamReader/Writer的encoding不对应。

为了解决这个问题,我写了一个类,来取得一个文本文件的encoding,这样我们就可以创建对应的StreamReader和StreamWriter来读写,保证不会出现乱码现象。其实原理很简单,文本编辑器(比如XP自带的记事本)在生成文本文件时,如果编码格式和系统默认的编码(中文系统下默认为GB2312)不一致时,会在txt文件开头部分添加特定的“编码字节序标识(Encoding Bit Order Madk,简写为BOM)”,类似PE格式的"MZ"文件头。这样它在读取时就可以根据这个BOM来确定该文本文件生成时所使用的Encoding。这个BOM我们用记事本等程序打开默认是看不到的,但是用stream按字节读取时是可以读到的。我的这个TxtFileEncoding类就是根据这个BOM“文件头”来确定txt文件生成时用到的编码的。

//作者:袁晓辉

//2005-8-8

// // // // // //

using System;

using System.Text;

using System.IO;

namespace Farproc.Text

{

/// <summary>

/// 用于取得一个文本文件的编码方式(Encoding)。

/// </summary>

public class TxtFileEncoding

{

public TxtFileEncoding()

{

//

// 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;

}

}

}

由于在GB2312和UTF7编码都没有BOM,所以需要指定一个默认的Encoding,在找不到合法的BOM时,将返回这个Encoding。有谁知道如何区分GB2312和UTF7编码txt文件的方法,也请告诉我。

由于只是static方法,所以不用new,直接通过类名调用方法,使用起来也很简单。

using System;

using Farproc.Text;

using System.Text;

using System.IO;

namespace ConsoleApplication1

{

/// <summary>

/// Class1 的摘要说明。

/// </summary>

class Class1

{

/// <summary>

/// 应用程序的主入口点。

/// </summary>

[STAThread]

static void Main(string[] args)

{

//

// TODO: 在此处添加代码以启动应用程序

//

string fileName = @"e:\a.txt";

//生成一个big endian Unicode编码格式的文本文件

StreamWriter sw = new StreamWriter(fileName, false, Encoding.BigEndianUnicode);//你可以试试其他编码,比如Encoding.GetEncoding("GB2312")或UTF8

sw.Write("这是一个String");

sw.Close();

//读取

Encoding fileEncoding = TxtFileEncoding.GetEncoding(fileName, Encoding.GetEncoding("GB2312"));//取得这txt文件的编码

Console.WriteLine("这个文本文件的编码为:" + fileEncoding.EncodingName);

StreamReader sr = new StreamReader(fileName, fileEncoding);//用该编码创建StreamReader

//用下面的方法虽然可以让系统自动判断文本文件的编码格式,但是我们无法取得该文本文件的编码

//sr.CurrentEncoding永远为 Unicode(UTF-8)

//StreamReader sr = new StreamReader(fileName, true);

//Console.WriteLine("这个文本文件的编码为:" + sr.CurrentEncoding.EncodingName);

Console.WriteLine("这个文本文件的内容为:" + sr.ReadToEnd());

sr.Close();

Console.ReadLine();

}

}

}

.NET下的string永远是Unicode的,所以只能判断txt文件的Encoding。对于byte[],只有自己知道它的Encoding才能转换为string 转换为其他编码的byte[],一个例外是把整个txt文件通过stream读入byte[]后也可以根据它的前几个字节判断Encoding,对于片断,我们就无能为力了:)

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有