资源描述
C#解决读写包含汉字的txt文件时乱码的问题.txt永远像孩子一样好奇,像年轻人一样改变,像中年人一样耐心,像老年人一样睿智。我的腰闪了,惹祸的不是青春,而是压力。当女人不再痴缠,不再耍赖,不再喜怒无常,也就不再爱了。C#解决读写包含汉字的txt文件时乱码的问题当我们用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/ / 用于取得一个文本文件的编码方式(Encoding)。/ public class TxtFileEncodingpublic TxtFileEncoding()/ TODO: 在此处添加构造函数逻辑/ / 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。/ / 文件名。/ public static Encoding GetEncoding(string fileName)return GetEncoding(fileName, Encoding.Default);/ / 取得一个文本文件流的编码方式。/ / 文本文件流。/ public static Encoding GetEncoding(FileStream stream)return GetEncoding(stream, Encoding.Default);?/ / 取得一个文本文件的编码方式。/ / 文件名。/ 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。/ public static Encoding GetEncoding(string fileName, Encoding defaultEncoding)FileStream fs = new FileStream(fileName, FileMode.Open);Encoding targetEncoding = GetEncoding(fs, defaultEncoding);fs.Close();return targetEncoding;/ / 取得一个文本文件流的编码方式。/ / 文本文件流。/ 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。/ 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)/UnicodeBetargetEncoding = Encoding.BigEndianUnicode;if(byte1 = 0xFF & byte2 = 0xFE & byte3 != 0xFF)/UnicodetargetEncoding = Encoding.Unicode;if(byte1 = 0xEF & byte2 = 0xBB & byte3 = 0xBF)/UTF8targetEncoding = 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/ / Class1 的摘要说明。/ class Class1/ / 应用程序的主入口点。/ STAThreadstatic 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 UTF8sw.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:)
展开阅读全文