C# - 检测文件中的编码，使用找到的编码将更改写入文件

Question

我编写了一个小程序，用于迭代大量文件并在找到某个字符串匹配时应用一些更改，我遇到的问题是不同的文件具有不同的编码。所以我想做的是检查编码，然后用原始编码覆盖文件。

在 C# .net 2.0 中最漂亮的方式是什么？

到目前为止，我的代码看起来非常简单；

String f1 = File.ReadAllText(fileList[i]).ToLower();

if (f1.Contains(oPath))
{
    f1 = f1.Replace(oPath, nPath);
    File.WriteAllText(fileList[i], f1, Encoding.Unicode);
}

我查看了 C# 中的自动编码检测，这让我意识到我是如何可以检测编码，但我不确定如何使用该信息以相同的编码写入。

非常感谢这里的任何帮助。

Answer 1

不幸的是，编码是并不总是有明确答案的主题之一。在许多情况下，它更接近于猜测编码而不是检测编码。 Raymond Chen 就此主题发表了一篇出色的博客文章，值得一读

• http://blogs.msdn.com/b/oldnewthing/archive/2007/04/17/2158334.aspx

文章的要点是

• 如果 BOM（字节顺序标记）存在，那么您黄金
• 否则它是猜测工作和启发式

但是我仍然认为最好的方法是达林在您链接的问题中提到的。让 StreamReader 为您猜测还是重新发明轮子。它只需要对您的样本进行非常小的修改。

String f1;
Encoding encoding;
using (var reader = new StreamReader(fileList[i])) {
  f1 = reader.ReadToEnd().ToLower();
  encoding = reader.CurrentEncoding;
}

if (f1.Contains(oPath))
{
  f1 = f1.Replace(oPath, nPath);
  File.WriteAllText(fileList[i], f1, encoding);
}

Answer 2

默认情况下，.Net 使用 UTF8。很难检测字符编码，因为大多数情况下 .Net 将读取为 UTF8。我总是对 ANSI 有问题。

我的技巧是我将文件作为 Stream 读取，强制它读取为 UTF8 并检测文本中应包含的常用字符。如果找到，则为 UTF8，否则为 ANSI ...并告诉用户您可以仅使用 ANSI 或 UTF8 两种编码。自动检测在我的语言中不太有效：p

Answer 3

恐怕您必须知道编码。对于基于 UTF 的编码，您可以使用 StreamReader 内置功能。

取自此处。

关于编码 - 你会
需要识别编码
为了使用 StreamReader。

但是，StreamReader 本身可以
如果您使用其中之一创建它，则会有所帮助
构造函数重载可以让你
供应旗帜
检测EncodingFromByteOrder标记为
true （或者你可以使用
Encoding.GetPreamble 并查看
字节序言自己）。

这两种方法只会有帮助
自动检测基于 UTF 的编码
- 因此任何具有指定代码页的 ANSI 编码可能不会
正确解析。

Answer 4

问题有点晚了，但我自己也遇到了同样的问题，使用前面的答案我找到了一个适合我的解决方案，它使用 StreamReaders 默认编码读取文本，提取该文件上使用的编码并使用 StreamWriter 将其写回使用找到的编码进行更改。还删除\重新添加只读标志

        string file = "File to open";
        string text;
        Encoding encoding;
        string oldValue = "string to be replaced";
        string replacementValue = "New string";

        var attributes = File.GetAttributes(file);
        File.SetAttributes(file, attributes & ~FileAttributes.ReadOnly);

        using (StreamReader reader = new StreamReader(file, Encoding.Default))
        {
            text = reader.ReadToEnd();
            encoding = reader.CurrentEncoding;
            reader.Close();
        }

        bool changedValue = false;
        if (text.Contains(oldValue))
        {
            text = text.Replace(oldValue, replacementValue);
            changedValue = true;
        }

        if (changedValue)
        {
            using (StreamWriter write = new StreamWriter(file, false, encoding))
            {
                write.Write(text.ToString());
                write.Close();
            }
            File.SetAttributes(file, attributes | FileAttributes.ReadOnly);
        }

Answer 5

适合所有德国人的解决方案=> äÖÜäöüß

此函数打开文件并确定 BOM 的编码。
如果缺少 BOM，该文件将被解释为 ANSI，但如果其中包含 UTF8 编码的德语变音符号，则会被检测为 UTF8。

https://stackoverflow.com/a/69312696/9134997