一）需求

很多情况下我们需要知道字节流的编码，比如

1) 使用编辑器打开文本文件的时候，编辑器需要识别文本文件的各种编码

2) 上传文件后，分析上传文件字节流需要知道它的编码

二）探讨

不过C#目前还没有现成的函数能够获取，经过和同事的探讨，发现UTF8文件都有一个3字节的头，为“EF BB BF”(称为BOM--Byte Order Mark)，判断这个头信息不就可以解决了吗？代码如下：

//判断上传的文件的编码是否是UTF8，buff为上传文件的字节流

    enc     = Encoding.UTF8;

    testencbuff   = enc.GetPreamble();

    if(fileLength>testencbuff.Length && testencbuff[0] == buff[0] && testencbuff[1]==buff[1] && testencbuff[2]==buff[2])

    {

        // 是 UTF8编码

        string buffString  = enc.GetString(buff);

    }

不过后来发现，不是所有的UTF8编码的文件都有BOM信息，那如何解决呢？

三）最终的方案

没有BOM信息只有通过逐个字节比较的方式才能解决。幸好已经有人解决这个问题了。推荐大家看：

http://dev.csdn.net/Develop/article/10/10961.shtm

http://dev.csdn.net/Develop/article/10/10962.shtm

这里判断所有的编码，基本上都是通过字节比较的方式。java代码很容易移植到.NET上，下面是UTF8判断部分的C#代码：

  int utf8_probability(byte[] rawtext)

  {

   int score = 0;

   int i, rawtextlen = 0;

   int goodbytes = 0, asciibytes = 0;

   // Maybe also use UTF8 Byte Order Mark:  EF BB BF

   // Check to see if characters fit into acceptable ranges

   rawtextlen = rawtext.Length;

   for (i = 0; i < rawtextlen; i++)

   {

    if ((rawtext[i] & (byte)0x7F) == rawtext[i])

    {  // One byte

     asciibytes++;

     // Ignore ASCII, can throw off count

    }

    else

    {

     int m_rawInt0 = Convert.ToInt16(rawtext[i]);

     int m_rawInt1 = Convert.ToInt16(rawtext[i+1]);

     int m_rawInt2 = Convert.ToInt16(rawtext[i+2]);

     if (256-64 <= m_rawInt0 && m_rawInt0 <= 256-33 && // Two bytes

      i+1 < rawtextlen &&

      256-128 <= m_rawInt1 && m_rawInt1 <= 256-65)

     {

      goodbytes += 2;

      i++;

     }

     else if (256-32 <= m_rawInt0 && m_rawInt0 <= 256-17 && // Three bytes

      i+2 < rawtextlen &&

      256-128 <= m_rawInt1 && m_rawInt1 <= 256-65 &&

      256-128 <= m_rawInt2 && m_rawInt2 <= 256-65)

     {

      goodbytes += 3;

      i+=2;

     }

    }

   }

   if (asciibytes == rawtextlen) { return 0; }

   score = (int)(100 * ((float)goodbytes/(float)(rawtextlen-asciibytes)));

   // If not above 98, reduce to zero to prevent coincidental matches

   // Allows for some (few) bad formed sequences

   if (score > 98)

   {

    return score;

   }

   else if (score > 95 && goodbytes > 30)

   {

    return score;

   }

   else

   {

    return 0;

   }

  }

参考资料：

字符检测程序（上） 检测GB2312、BIG5...    

http://dev.csdn.net/Develop/article/10/article/10/10961.shtm

Hello Unicode ——JAVA的中文处理学习笔记

http://www.chedong.com/tech/hello_unicode.html

————————————————

版权声明：本文为CSDN博主「zdg」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/zdg/article/details/272643