程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> C語言 >> 關於C語言 >> [C#]解決讀寫包含漢字的txt文件時亂碼的問題

[C#]解決讀寫包含漢字的txt文件時亂碼的問題

編輯:關於C語言

當我們用System.IO.StreamReader讀取包含漢字的txt文件時,經常會讀出亂碼(StreamWriater寫文本文件也

有類似的問題),原因很簡單,就是文件的編碼(encoding)和StreamReader/Writer的encoding不對應。

為了解決這個問題,我寫了一個類,來取得一個文本文件的encoding,這樣我們就可以創建對應的

StreamReader和StreamWriter來讀寫,保證不會出現亂碼現象。其實原理很簡單,文本編輯器(比如XP自帶的記事

本)在生成文本文件時,如果編碼格式和系統默認的編碼(中文系統下默認為GB2312)不一致時,會在txt文件開頭

部分添加特定的“編碼字節序標識(Encoding Bit Order Madk,簡寫為BOM)”,類似PE格式的"MZ"文件頭。這樣

它在讀取時就可以根據這個BOM來確定該文本文件生成時所使用的Encoding。這個BOM我們用記事本等程序打開默認

是看不到的,但是用stream按字節讀取時是可以讀到的。我的這個TxtFileEncoding類就是根據這個BOM“文件頭”

來確定txt文件生成時用到的編碼的。

// 作者:袁曉輝

http://www.mscto.com

// 2005-8-8

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

using System;

using System.Text;

using System.IO;

namespace Farproc.Text

{

///

http://www.mscto.com

/// 用於取得一個文本文件的編碼方式(Encoding)。

///

public class TxtFileEncoding

{

public TxtFileEncoding()

{

//

// TODO: 在此處添加構造函數邏輯

//

}

///

/// 取得一個文本文件的編碼方式。如果無法在文件頭部找到有效的前導符,Encoding.Default將被返回。

///

/// 文件名。

///

public static Encoding GetEncoding(string fileName)

{

return GetEncoding(fileName, Encoding.Default);

}

///

/// 取得一個文本文件流的編碼方式。

///

/// 文本文件流。

///

public static Encoding GetEncoding(FileStream stream)

http://www.mscto.com

{

return GetEncoding(stream, Encoding.Default);

http://www.mscto.com

}

///

/// 取得一個文本文件的編碼方式。

///

/// 文件名。

/// 默認編碼方式。當該方法無法從文件的頭部取得有效的前導符時,將返回該編碼方式。

///

public static Encoding GetEncoding(string fileName, Encoding defaultEncoding)

{

FileStream fs = new FileStream(fileName, FileMode.Open);

Encoding targetEncoding = GetEncoding(fs, defaultEncoding);

fs.Close();

return targetEncoding;

} http://www.mscto.com

///

/// 取得一個文本文件流的編碼方式。

http://www.mscto.com

///

/// 文本文件流。

/// 默認編碼方式。當該方法無法從文件的頭部取得有效的前導符時,將返回該編碼方式。

///

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個字節

byte byte1 = 0;

byte byte2 = 0;

byte byte3 = 0;

byte byte4 = 0;

//保存當前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());

http://www.mscto.com

}

if(stream.Length >= 4)

{

byte4 = Convert.ToByte(stream.ReadByte());

http://www.mscto.com

}

http://www.mscto.com

//根據文件流的前4個字節判斷Encoding

//Unicode {0xFF, 0xFE};

//BE-Unicode {0xFE, 0xFF};

//UTF8 = {0xEF, 0xBB, 0xBF}; http://www.mscto.com

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;

}

//恢復Seek位置

stream.Seek(origPos, SeekOrigin.Begin);

http://www.mscto.com

}

return targetEncoding;

}

}

} http://www.mscto.com

由於在GB2312和UTF7編碼都沒有BOM,所以需要指定一個默認的Encoding,在找不到合法的BOM時,將返回這個 http://www.mscto.com

Encoding。有誰知道如何區分GB2312和UTF7編碼txt文件的方法,也請告訴我。

由於只是static方法,所以不用new,直接通過類名調用方法,使用起來也很簡單。

using System;

using Farproc.Text;

http://www.mscto.com

using System.Text; http://www.mscto.com

using System.IO;

namespace ConsoleApplication1

{

///

/// Class1 的摘要說明。

///

class Class1

{

///

/// 應用程序的主入口點。

///

[STAThread]

static void Main(string[] args)

{

//

// TODO: 在此處添加代碼以啟動應用程序

//

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

//生成一個big endian Unicode編碼格式的文本文件

StreamWriter sw = new StreamWriter(fileName, false, Encoding.BigEndianUnicode);//你可以試試其他編碼,比如Encoding.GetEncoding("GB2312")或UTF8

sw.Write("這是一個String");

http://www.mscto.com

sw.Close();

//讀取

Encoding fileEncoding = TxtFileEncoding.GetEncoding(fileName, Encoding.GetEncoding("GB2312"));//取得這txt文件的編碼

Console.WriteLine("這個文本文件的編碼為:" fileEncoding.EncodingName);

StreamReader sr = new StreamReader(fileName, fileEncoding);//用該編碼創建StreamReader

//用下面的方法雖然可以讓系統自動判斷文本文件的編碼格式,但是我們無法取得該文本文件的編碼

//sr.CurrentEncoding永遠為 Unicode(UTF-8)

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

//Console.WriteLine("這個文本文件的編碼為:" sr.CurrentEncoding.EncodingName);

Console.WriteLine("這個文本文件的內容為:" sr.ReadToEnd());

sr.Close();

Console.ReadLine();

http://www.mscto.com

}

}

}

.Net下的string永遠是Unicode的,所以只能判斷txt文件的Encoding。對於byte[],只有自己知道它的

Encoding才能轉換為string 轉換為其他編碼的byte[],一個例外是把整個txt文件通過stream讀入byte[]後也可以根據它的前幾個字節判斷

Encoding,對於片斷,我們就無能為力了:)

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved