怎么辨别文本文档的编码？

文本文档，有的带有BOM(ByteOrderMark,字节序标志)，即0xEF,0xBB,0xBF，有的没有。

Windows下的txt文本编辑器在保存UTF-8格式的文本文档时会自动添加BOM到文件头。

在判断这类文档时，可以根据文档的前3个字节来进行判断。然而BOM不是必需的，而且也不是推荐的。

对不希望UTF-8文档带有BOM的程序会带来兼容性问题，例如Java编译器在编译带有BOM的UTF-8源文件时就会出错。

而且BOM去掉了UTF-8一个期望的特性，即是在文本全部是ASCII字符时UTF-8是和ASCII一致的，即UTF-8向下兼容ASCII。

文件的字符集在Windows下有两种，一种是ANSI，一种Unicode。对于Unicode，Windows支持了它的三种编码方式，一种是小尾编码（Unicode)，一种是大尾编码(BigEndianUnicode)，一种是UTF-8编码。我们可以从文件的头部来区分一个文件是属于哪种编码。当头部开始的两个字节为 FF FE时，是Unicode的小尾编码；当头部的两个字节为FE FF时，是Unicode的大尾编码；当头部两个字节为EF BB时，是Unicode的UTF-8编码；当它不为这些时，则是ANSI编码。按照如上所说，我们可以通过读取文件头的两个字节来判断文件的编码格式，代码如下(C#代码）：程序中System.Text.Encoding.Default是指 *** 作系统的当前 ANSI 代码页的编码。public System.Text.Encoding GetFileEncodeType(string filename){System.IO.FileStream fs = new System.IO.FileStream(filename, System.IO.FileMode.Open, System.IO.FileAccess.Read) System.IO.BinaryReader br = new System.IO.BinaryReader(fs) Byte[] buffer = br.ReadBytes(2) if(buffer[0]>=0xEF){if(buffer[0]==0xEF &&buffer[1]==0xBB){ return System.Text.Encoding.UTF8 }else if(buffer[0]==0xFE &&buffer[1]==0xFF){ return System.Text.Encoding.BigEndianUnicode }else if(buffer[0]==0xFF &&buffer[1]==0xFE){ return System.Text.Encoding.Unicode }else{ return System.Text.Encoding.Default }}else{ return System.Text.Encoding.Default }}

查看TXT文件编码方式：

首先，不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

ANSI：无格式定义；

Unicode： 前两个字节为FFFE；

Unicode big endian：　前两字节为FEFF；　

UTF-8：　 前两字节为EFBB；　

这样通过前面两个字节就可以判定出文件的具体格式了。

---