Question

在我的程序中，我加载了用户提供的纯文本文件：

QFile file(fileName);
file.open(QIODevice::ReadOnly);
QTextStream stream(&file);
const QString &text = stream.readAll();

当文件是UTF-8编码时，这可以正常工作，但有些用户尝试导入Windows-1252编码文件，如果他们有特殊字符的单词（例如“boutonnière”中的“è”），那些将显示不正确。

有没有办法检测编码，或至少区分UTF-8（可能没有BOM）和Windows-1252，而不要求用户告诉我编码？

Answer 1

事实证明，一般情况下无法自动检测编码。

但是，如果文本无效UTF-8 / UTF-16 / UTF-32文本，则有一种解决方法至少可以回退到系统区域设置。它使用QTextCodec::codecForUtfText()，尝试使用UTF-8，UTF-16和UTF-32解码字节数组，并在失败时返回提供的默认编解码器。

执行此操作的代码：

QTextCodec *codec = QTextCodec::codecForUtfText(byteArray, QTextCodec::codecForName("System"));
const QString &text = codec->toUnicode(byteArray);

<强>更新

上面的代码不会检测没有BOM的UTF-8，因为codecForUtfText（）依赖于BOM标记。要检测没有BOM的UTF-8，请参阅https://stackoverflow.com/a/18228382/492336。

Answer 2

至少到目前为止，这个技巧对我有用。此方法不需要BOM工作：

    QTextCodec::ConverterState state;
    QTextCodec *codec = QTextCodec::codecForName("UTF-8");
    const QByteArray data(readSource());
    const QString text = codec->toUnicode(data.constData(), data.size(), &state);
    if (state.invalidChars > 0)
    {
        // Not a UTF-8 text - using system default locale
        QTextCodec * codec = QTextCodec::codecForLocale();
        if (!codec)
           return;

        ui->textBrowser->setPlainText(codec->toUnicode(readSource()));
    }
    else
    {
        ui->textBrowser->setPlainText(text);
    }

检测文本文件编码

2 个答案: