十分钟内学会：自动识别GB2312与UTF-8编码的文件

Question

在简体中文系统中，我们有时候需要打开一个保存在磁盘上的纯文本文件，例如txt，但却不知道其保存编码，该怎么办呢？

如果文本只需要在Windows上显示，那就很幸运了，因为无论是GB2312还是UTF-8编码的string都能够正确显示。但如果需要输出到ASP.NET页面上就不是那么简单了，因为如果页面编码为UTF-8但纯文本文件导入的string是GB2312，那就会导致乱码，反之亦然。因此，我们需要一种方法自动识别磁盘上的纯文本文件到底是么编码的。

Answer

StreamReader其实是有编码自动检测功能，不过因为它仅仅检测前3个字节，所以只能UTF-8、Little-Endian Unicode、Big-Endian Unicode之前作出选择，如果上述3个都不匹配，就选择用户提供的编码。因此，我们可以提供GB2312编码给StreamReader，让它在GB2312和UTF-8之前自动作出选择。

using (StreamReader reader = new StreamReader(path, Encoding.Default)
{
  string line;
  while ((line = reader.ReadLine()) != null)
  {
    FileTextBox.InnerHtml += Server.HtmlEncode(line) + "\r\n";
  }
  FileEncodingNameLabel.Text = reader.CurrentEncoding.EncodingName;
}

上述代码使用Encoding.Default初始化StreamReader，Encoding.Default指的是系统的默认ANSI编码，在简体中文系统中就是GB2312。这样写能够让代码保持有一定的兼容性，例如在繁体中文系统就变成了自动在Big5和UTF-8之间做出选择。之后的代码就是用StreamReader逐行读取文件内容并放到FileTextBox中，最后通过StreamReader的CurrentEncoding属性获取编码名称并显示在FileEncodingNameLabel中。

最后，如果你觉得本系列的文章对你有价值，可以考虑订阅Cat in dotNET，可选的方式包括通过Feed订阅(http://feeds.feedburner.com/CatChen/dotNET)和通过Email订阅(http://www.feedburner.com/fb/a/emailverifySubmit?feedId=573799)。