-
C#教程之C#教程之C#判断文件编码——常用字法(5)
本站最新发布 C#从入门到精通
试听地址 https://www.xin3721.com/eschool/CSharpxin3721/
]{212,170},new byte[2]{201,231},new byte[2]{185,253},new byte[2]{199,176}, new byte[2]{195,230},new byte[2]{161,163},new byte[2]{163,172},new byte[2]{163,191},new byte[2]{163,161} }; /// <summary> /// 表示需要猜测编码的流。 /// </summary> private Stream _thisStream; /// <summary> /// 构造函数 /// </summary> /// <param name="_canShuStream">参数流</param> public StreamBianMaJianCe(Stream _canShuStream) { if (_canShuStream == null || _canShuStream.Length < 100) { throw new System.NullReferenceException("WenZiBianMaJianCe构造函数参数_canShuStream不能为空且长度不能小于100"); } _thisStream = _canShuStream; } /// <summary> /// 检测。 /// </summary> /// <returns>流的编码</returns> public Encoding JianCe() { byte[] _streamByte = DuQuWeiZiJie(); Encoding _returnEncoding = Encoding.UTF8; //通过BOM头来判断编码,有BOM头也就没必要去猜了。 if (GenJuBomCaiBianMa(_streamByte, out _returnEncoding) == false) { _returnEncoding = CaiJieWenZiBianMa(_streamByte); } return _returnEncoding; } /// <summary> /// 读取数据为字节。 /// </summary> /// <returns></returns> private byte[] DuQuWeiZiJie() { BinaryReader _BinaryReader = new BinaryReader(_thisStream); byte[] _returnByte = new byte[_thisStream.Length]; //判断流的长度。 if (_thisStream.Length < (long)int.MaxValue)//小于整型值的情况 { _BinaryReader.Read(_returnByte, 0, (int)_thisStream.Length); } else//大于整型值的情况 { long _index = 0; while (_index < _returnByte.Length) { _returnByte.CopyTo(_BinaryReader.ReadBytes(1024), _index); _index = _index + 1024L; } } return _returnByte; } /// <summary> /// 根据BOM头返回编码格式。 /// </summary> /// <param name="_streamByte">流的字节组。</param> /// <returns></returns> private bool GenJuBomCaiBianMa(byte[] _streamByte, out Encoding _ruCanEncoding) { //132 49 149 51 GB-18030 if (_streamByte[0] == 132 && _streamByte[1] == 49 && _streamByte[2] == 149 && _streamByte[3] == 51) { _ruCanEncoding = Encoding.GetEncoding("GB-18030"); return true; } //239 187 191 UTF-8 if (_streamByte[0] == 239 && _streamByte[1] == 187 && _streamByte[2] == 191) { _ruCanEncoding = Encoding.UTF8; return true; } //254 255 Unicode if (_streamByte[0] == 254 && _streamByte[1] == 255) { _ruCanEncoding = Encoding.Unicode; return true; } if (_streamByte[0] == 255 && _streamByte[1] == 254) { //255 254 0 0 UTF-32 if (_streamByte[2] == 0 && _streamByte[3] == 0) { _ruCanEncoding = Encoding.UTF32; } //255 254 BigEndianUnicode _ruCanEncoding = Encoding.BigEndianUnicode; return true; } //43 47 118 UTF-7 if (_streamByte[0] == 43 && _streamByte[1] == 47 && _streamByte[2] == 118) { //[ 56 | 57 | 43 | 47 ] if (_streamByte[3] == 56 || _streamByte[3] == 57 || _streamByte[3] == 43 || _streamByte[3] == 47) { _ruCanEncoding = Encoding.UTF7; return true; } } _ruCanEncoding = null; return false; } /// <summary> /// 猜解文字编码,适用于没有BOM头的情况。 /// </summary> /// <param name="_streamByte">流的字节组。</param> /// <returns></returns> private Encoding CaiJieWenZiBianMa(byte[] _streamByte) { //按照中文世界编码使用概率确定猜解顺序。 //UTF8 if (GaoPinZiJianCeUFT8(_streamByte) == true) { return Encoding.UTF8; } //gb18030 if (GaoPinZiJianCeGB18030(_streamByte) == true) { return Encoding.GetEncoding("gb18030"); } //UTF7 if (GaoPinZiJianCeUTF7(_streamByte) == true) { return Encoding.UTF7; } //UTF-32任何字符都以四个字节编码,必然可以被四整除 if (_streamByte.Length % 4 == 0) { if (GaoPinZiJianCeUTF32(_streamByte) == true)//UTF32 { return Encoding.UTF32; } } //BigEndianUnicode和Unicode任何字符都以二个字节编码,必然可以被二整除 if (_streamByte.Length % 2 == 0) { //Unicode if (GaoPinZiJianCeUnicode(_streamByte) == true) { return Encoding.Unicode; } //BigEndianUnicod if (GaoPinZiJianCeBigEndianUnicode(_streamByte) == true) { return Encoding.BigEndianUnicode; } } //如果上述猜解都失败了,则返回UTF-8。 return Encoding.UTF8; } /// <summary> /// 高频字检查法,UFT8编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUFT8(byte[] _streamByte) { //命中次数。 int _mingZhongCiShu = 0; foreach (byte[] bShuZu in _UTF8GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2])) { _mingZhongCiShu++; } } } //UTF-8有一定几率与其他编码冲突,故而增加命中次数,减少误差。 if (_mingZhongCiShu > 2) { return true; } } return false; } /// <summary> /// 高频字检查法,Unicode编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUnicode(byte[] _streamByte) { foreach (byte[] bShuZu in _UnicodeGaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i] && (i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1])) { //如果首字节相等,则检查后面二个字节是否也相等 return true; } } } return false; } /// <summary> /// 高频字检查法,UTF32编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUTF32(byte[] _streamByte) { foreach (byte[] bShuZu in _UTF32GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2]) && (i + 3 < _streamByte.Length && _streamByte[i + 3] == bShuZu[3])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,UTF7编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUTF7(byte[] _streamByte) { foreach (byte[] bShuZu in _UTF7GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2]) && (i + 3 < _streamByte.Length && _streamByte[i + 3] == bShuZu[3]) && (i + 4 < _streamByte.Length && _streamByte[i + 4] == bShuZu[4])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,GB18030编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeGB18030(byte[] _streamByte) { foreach (byte[] bShuZu in _GB18030GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[0])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,Unicode编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeBigEndianUnicode(byte[] _streamByte) { foreach (byte[] bShuZu in _BigEndianUnicodeGaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1])) { return true; } } } } return false; } } }
试听地址 https://www.xin3721.com/eschool/CSharpxin3721/
]{212,170},new byte[2]{201,231},new byte[2]{185,253},new byte[2]{199,176}, new byte[2]{195,230},new byte[2]{161,163},new byte[2]{163,172},new byte[2]{163,191},new byte[2]{163,161} }; /// <summary> /// 表示需要猜测编码的流。 /// </summary> private Stream _thisStream; /// <summary> /// 构造函数 /// </summary> /// <param name="_canShuStream">参数流</param> public StreamBianMaJianCe(Stream _canShuStream) { if (_canShuStream == null || _canShuStream.Length < 100) { throw new System.NullReferenceException("WenZiBianMaJianCe构造函数参数_canShuStream不能为空且长度不能小于100"); } _thisStream = _canShuStream; } /// <summary> /// 检测。 /// </summary> /// <returns>流的编码</returns> public Encoding JianCe() { byte[] _streamByte = DuQuWeiZiJie(); Encoding _returnEncoding = Encoding.UTF8; //通过BOM头来判断编码,有BOM头也就没必要去猜了。 if (GenJuBomCaiBianMa(_streamByte, out _returnEncoding) == false) { _returnEncoding = CaiJieWenZiBianMa(_streamByte); } return _returnEncoding; } /// <summary> /// 读取数据为字节。 /// </summary> /// <returns></returns> private byte[] DuQuWeiZiJie() { BinaryReader _BinaryReader = new BinaryReader(_thisStream); byte[] _returnByte = new byte[_thisStream.Length]; //判断流的长度。 if (_thisStream.Length < (long)int.MaxValue)//小于整型值的情况 { _BinaryReader.Read(_returnByte, 0, (int)_thisStream.Length); } else//大于整型值的情况 { long _index = 0; while (_index < _returnByte.Length) { _returnByte.CopyTo(_BinaryReader.ReadBytes(1024), _index); _index = _index + 1024L; } } return _returnByte; } /// <summary> /// 根据BOM头返回编码格式。 /// </summary> /// <param name="_streamByte">流的字节组。</param> /// <returns></returns> private bool GenJuBomCaiBianMa(byte[] _streamByte, out Encoding _ruCanEncoding) { //132 49 149 51 GB-18030 if (_streamByte[0] == 132 && _streamByte[1] == 49 && _streamByte[2] == 149 && _streamByte[3] == 51) { _ruCanEncoding = Encoding.GetEncoding("GB-18030"); return true; } //239 187 191 UTF-8 if (_streamByte[0] == 239 && _streamByte[1] == 187 && _streamByte[2] == 191) { _ruCanEncoding = Encoding.UTF8; return true; } //254 255 Unicode if (_streamByte[0] == 254 && _streamByte[1] == 255) { _ruCanEncoding = Encoding.Unicode; return true; } if (_streamByte[0] == 255 && _streamByte[1] == 254) { //255 254 0 0 UTF-32 if (_streamByte[2] == 0 && _streamByte[3] == 0) { _ruCanEncoding = Encoding.UTF32; } //255 254 BigEndianUnicode _ruCanEncoding = Encoding.BigEndianUnicode; return true; } //43 47 118 UTF-7 if (_streamByte[0] == 43 && _streamByte[1] == 47 && _streamByte[2] == 118) { //[ 56 | 57 | 43 | 47 ] if (_streamByte[3] == 56 || _streamByte[3] == 57 || _streamByte[3] == 43 || _streamByte[3] == 47) { _ruCanEncoding = Encoding.UTF7; return true; } } _ruCanEncoding = null; return false; } /// <summary> /// 猜解文字编码,适用于没有BOM头的情况。 /// </summary> /// <param name="_streamByte">流的字节组。</param> /// <returns></returns> private Encoding CaiJieWenZiBianMa(byte[] _streamByte) { //按照中文世界编码使用概率确定猜解顺序。 //UTF8 if (GaoPinZiJianCeUFT8(_streamByte) == true) { return Encoding.UTF8; } //gb18030 if (GaoPinZiJianCeGB18030(_streamByte) == true) { return Encoding.GetEncoding("gb18030"); } //UTF7 if (GaoPinZiJianCeUTF7(_streamByte) == true) { return Encoding.UTF7; } //UTF-32任何字符都以四个字节编码,必然可以被四整除 if (_streamByte.Length % 4 == 0) { if (GaoPinZiJianCeUTF32(_streamByte) == true)//UTF32 { return Encoding.UTF32; } } //BigEndianUnicode和Unicode任何字符都以二个字节编码,必然可以被二整除 if (_streamByte.Length % 2 == 0) { //Unicode if (GaoPinZiJianCeUnicode(_streamByte) == true) { return Encoding.Unicode; } //BigEndianUnicod if (GaoPinZiJianCeBigEndianUnicode(_streamByte) == true) { return Encoding.BigEndianUnicode; } } //如果上述猜解都失败了,则返回UTF-8。 return Encoding.UTF8; } /// <summary> /// 高频字检查法,UFT8编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUFT8(byte[] _streamByte) { //命中次数。 int _mingZhongCiShu = 0; foreach (byte[] bShuZu in _UTF8GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2])) { _mingZhongCiShu++; } } } //UTF-8有一定几率与其他编码冲突,故而增加命中次数,减少误差。 if (_mingZhongCiShu > 2) { return true; } } return false; } /// <summary> /// 高频字检查法,Unicode编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUnicode(byte[] _streamByte) { foreach (byte[] bShuZu in _UnicodeGaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i] && (i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1])) { //如果首字节相等,则检查后面二个字节是否也相等 return true; } } } return false; } /// <summary> /// 高频字检查法,UTF32编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUTF32(byte[] _streamByte) { foreach (byte[] bShuZu in _UTF32GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2]) && (i + 3 < _streamByte.Length && _streamByte[i + 3] == bShuZu[3])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,UTF7编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeUTF7(byte[] _streamByte) { foreach (byte[] bShuZu in _UTF7GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1]) && (i + 2 < _streamByte.Length && _streamByte[i + 2] == bShuZu[2]) && (i + 3 < _streamByte.Length && _streamByte[i + 3] == bShuZu[3]) && (i + 4 < _streamByte.Length && _streamByte[i + 4] == bShuZu[4])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,GB18030编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeGB18030(byte[] _streamByte) { foreach (byte[] bShuZu in _GB18030GaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[0])) { return true; } } } } return false; } /// <summary> /// 高频字检查法,Unicode编码方法 /// </summary> /// <param name="_streamByte">流字节组</param> /// <returns></returns> private bool GaoPinZiJianCeBigEndianUnicode(byte[] _streamByte) { foreach (byte[] bShuZu in _BigEndianUnicodeGaoPinZiFuBianMaLsit) { for (int i = 0; i < _streamByte.Length; i++) { //判断首编码是否相等 if (bShuZu[0] == _streamByte[i]) { //如果首字节相等,则检查后面二个字节是否也相等 if ((i + 1 < _streamByte.Length && _streamByte[i + 1] == bShuZu[1])) { return true; } } } } return false; } } }
//使用示例 //爬虫判断网页编码 WebRequest _WebRequest = WebRequest.Create(@"https://www.cnblogs.com/j20171203/"); WebResponse _WebResponse = _WebRequest.GetResponse(); Stream _Stream = _WebResponse.GetResponseStream(); MemoryStream _MemoryStream = new MemoryStream(); const int bufferLength = 1024; byte[] buffer = new byte[bufferLength]; int actual = 1; while (true) { actual = _Stream.Read(buffer, 0, bufferLength); _MemoryStream.Write(buffer, 0, actual); if (actual == 0) { break; } } _MemoryStream.Position = 0; StreamBianMaJianCe _StreamBianMaJianCe = new StreamBianMaJianCe(_MemoryStream); Encoding _jieGuoEncoding = _StreamBianMaJianCe.JianCe(); _Stream.Close(); _Stream.Dispose(); _WebResponse.Close();
栏目列表
最新更新
如何使用OS模块中的stat方法
Python os 模块
seek() 方法
python打开文件实例1
Python写入文件
什么是流?
文件操作如何进制逐行读取
Python相对路径
with创建临时运行环境
Python文件操作
.Net Standard(.Net Core)实现获取配置信息
Linux PXE + Kickstart 自动装机
Shell 编程 基础
Shell 编程 条件语句
CentOS8-网卡配置及详解
Linux中LVM逻辑卷管理
1.数码相框-相框框架分析(1)
Ubuntu armhf 版本国内源
Linux中raid磁盘阵列
搭建简易网站
access教程之Access简介
mysql 安装了最新版本8.x版本后的报错:
Mysql空间数据&空间索引(spatial)
如何远程连接SQL Server数据库的图文教程
复制SqlServer数据库的方法
搜索sql语句
sql中返回参数的值
sql中生成查询的模糊匹配字符串
数据定义功能
数据操作功能