如何检查文件编码是否正确(对应于国家/编码页)
本文关键字:编码 于国家 国家 是否 何检查 检查 文件 | 更新日期: 2023-09-27 18:18:47
如何检查文本文件,如果它只包含有效字符,对应于国家代码页?
因为它们被转移到linux系统中,所以每个字符都必须在代码页
中通过谷歌搜索,我找不到任何有用的
是否有一种"干净"的方法来检查这个,或者只有"肮脏"(静态)的方法来检查这个?
Update:情况是这样的,我必须检查包含应用程序翻译的资源文件。这些文件是在不同的国家翻译的,所以很容易出现输入错误的字符,然后应用程序无法正确显示它。Windows总是搜索几乎相同的字符,但linux不会。
你说"假设文件带有UTF-8"。
在这种情况下,假设您可以将文件读入c#字符串或字符串数组。
例如,如果你有一个byte[]
数组,你可以像这样转换为c# UTF16字符串:
var text = Encoding.UTF8.GetString(utf8Bytes);
或者你可以(使用UTF8编码)直接从文件读入c#字符串。让我们假设你可以自己做这一点。
现在-给定您有一个c#字符串-您可以使用Encoding.GetEncoding()
与代码页参数和EncoderExceptionFallback
和DecoderExceptionFallback
来检查字符串是否在该特定代码页中有效,如下所示:
public static bool IsStringValidForCodePage(string text, int codePage)
{
var encoder = Encoding.GetEncoding(codePage, new EncoderExceptionFallback(), new DecoderExceptionFallback());
try
{
encoder.GetBytes(text);
}
catch (EncoderFallbackException)
{
return false;
}
return true;
}
下面的示例使用希腊圆周率字符"π",它在代码页1253(希腊语)中有效,在代码页1252(拉丁语1)中无效。
string pi = "π"; // Mmmm. I like pi.
if (IsStringValidForCodePage(pi, 1252))
Console.WriteLine("Pi is ok in 1252");
else
Console.WriteLine("Pi is NOT ok in 1252"); // Prints NOT ok.
if (IsStringValidForCodePage(pi, 1253))
Console.WriteLine("Pi is ok in 1253"); // Prints ok.
else
Console.WriteLine("Pi is NOT ok in 1253");
如果您可以让翻译器提供UTF-8文本,则可以使用程序将其转换为所需的代码页。将字符串加载到内存中,创建目标Encoding
的实例,然后调用Encoding。GetBytes将字符串转换为适当的字节序列。阅读那里的文档和有关字符编码的链接文章,学习如何检测和处理翻译错误。
回复评论的更新:
如果您设置了编码器。属性,则只要在转换字符时出现错误,就会调用该方法。因此,如果调用Encoder.Fallback
方法,则存在转换错误。这意味着您不必手动检查转换后的文本。
字符集转换可能是一个难题。我强烈建议您阅读。net框架中的字符编码。