[轉]在C#中判斷一個文本文件的編碼方式

文件的字符集在Windows下有兩種，一種是ANSI，一種Unicode。

對於Unicode，Windows支持了它的三種編碼方式，一種是小尾編碼（Unicode)，一種是大尾編碼(BigEndianUnicode)，一種是UTF-8編碼。

我們可以從文件的頭部來區分一個文件是屬於哪種編碼。當頭部開始的兩個字節為 FF FE時，是Unicode的小尾編碼；當頭部的兩個字節為FE FF時，是Unicode的大尾編碼；當頭部兩個字節為EF BB時，是Unicode的UTF-8編碼；當它不為這些時，則是ANSI編碼。

按照如上所說，我們可以通過讀取文件頭的兩個字節來判斷文件的編碼格式，代碼如下(C#代碼）：

程序中System.Text.Encoding.Default是指操作系統的當前 ANSI 代碼頁的編碼。

 

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;
    }
}

 

原文地址：

http://www.cnblogs.com/swtseaman/archive/2011/05/17/2048689.html