请问怎么获取文档的编码格式？谢谢~ [复制链接]

    最近做的模块要求对各种语言的文档进行解析，然后显示，但是会出现乱码的现象，应该是编码支持的问题。我想先把文档的内容按它本身的编码格式提取出来，然后显示，应该不会有乱码的问题了。找了很久都不知道怎么获取原来文档的编码格式，高手请指点，谢谢啦~~~~

在线等待哦，呵呵~~~

不知道
可不可以一开始就全部转换成utf8，然后再读取，如何识别编码还真不知道，期待楼下解答
关注中

如果纯文本的话，这种问题基本上无解

尽管如此，还是很多人进行了很多努力，比如

http://www.mozilla.org/projects/intl/chardet.html
http://chsdet.sourceforge.net/
http://jchardet.sourceforge.net/

如果是txt的话看文件里边有头信息~
比如：同是写“12345”五个字符
Unicode bigen dian，读入头两个字节是FE FF；文件大小是5*2+2，编码为 FE FF 31 00 32 00 33 00 34 00 35 00
相反Unicode，读入头两个字节是FF FE（00 31 00 32 。。。）；
而ANSI无头信息，编码为31 32 33 34 35。文件共5个字节大小。
又如UTF-8有信息头：EF BB BF，接下来5个字节是 31 32 33 34 35，文件共8个字节。

以上供参考！
其它的编码方式也可以由此分析，读出头几个字符，跟FE FF 、FF FE、EF BB BF比较，并结合文件大小，得到txt的编码方式。

引用第4楼yangfanxing于2010-03-30 15:58发表的  :
如果是txt的话看文件里边有头信息~
比如：同是写“12345”五个字符
Unicode bigen dian，读入头两个字节是FE FF；文件大小是5*2+2，编码为 FE FF 31 00 32 00 33 00 34 00 35 00
相反Unicode，读入头两个字节是FE FF （00 31 00 32 。。。）；
而ANSI无头信息，编码为31 32 33 34 35。文件共5个字节大小。
.......

BOM（byte order mark）不是用在这个场合的。

在unicode中，utf-16 和 utf-32 都大于1个字节，有字节序的问题，所以引入了 BOM

而 utf-8， utf-16be，utf-16le，utf-32be 和 utf32le 字节序时确定的，不存在 BOM 的问题（但windows下，比如记事本，即使utf8 都会在文件头部加类似BOM的东西，当遇到这种文件时就特殊处理了）

结合楼主的问题，他关心的估计是 ANSI、Latin-1、GBK、BIG5、UTF-8...等这些编码的自动探测，这个问题是无法完美解决的。

对，楼上说的正是我的本意，因为文档不一定是什么txt，也可能是lrc，tsr之类的，所以我想先探测一下文档的编码格式是ANSI、Latin-1、GBK、BIG5、UTF-8...等这些编码的哪种。因为各种语言的编码格式不太一样，所以提取时我只需要知道是哪种编码格式就行了，不需要了解是哪种语言。而且前提是探测时不能破坏原文件的内容。还是非常感谢各位的热心哈~

蹲点等待，不知道

dbzhang800:BOM（byte order mark）不是用在这个场合的。
在unicode中，utf-16 和 utf-32 都大于1个字节，有字节序的问题，所以引入了 BOM
....... (2010-03-30 16:42) 

版主，我和4楼理解是一样的。能讲解再详细一些吗？或者给几个相关网页链接，我自己去看也行。感谢