如何检测所有语言的字符集编码？

Question

我有一个.smi文件。 当我用notepad ++打开时，我有：

<font color="#FF8040"><I>- °øµ¿¹ø¿ªÀÌ´Ùº¸´Ï Áö¸í°ú À̸§ÀÌ ¾à°£¾¿ Ʋ¸±¼ö ÀÖ½À´Ï´Ù.-</I></font>

然后我设置字符集＆gt;韩语＆gt; UEC-KR：

<font color="#FF8040"><I>- 공동번역이다보니 지명과 이름이 약간씩 틀릴수 있습니다.  -</I></font>

那么，我能在C＃中做些什么呢？我希望当我打开文件时，应用程序可以检测字符集并在richtextbox中显示。 我用过：

System.IO.StreamReader sr = new System.IO.StreamReader(openFile.FileName);
inputText.Text = sr.ReadToEnd();
inputText.SelectAll();
inputText.SelectionFont = new Font("Arial Unicode MS",9,FontStyle.Regular);

输入结果：

<font color="#FF8040"><I>- ���������̴ٺ��� ����� �̸��� �ణ�� Ʋ���� �ֽ��ϴ�.  -</I></font>

Answer 1

您需要告诉StreamReader在读取文件时使用适当的编码。您可以通过以下方式更改第一行来实现此目的：

var krEncoding = System.Text.Encoding.GetEncoding("euc-kr");
System.IO.StreamReader sr = 
    new System.IO.StreamReader(openFile.FileName, krEncoding);

这是可能的，因为StreamReader构造函数有overload，它接受​​编码作为参数。

Answer 2

我还没见过任何* .smi，所以我的回答可能是假的，但是：

1. 如果文件是原始的16位unicode

   • 然后任何char被编码为2个字节
   • 将文件视为二进制文件并查看前两个BYTE
   • 它应该是FF，FE [hex]
   • 它是原始的16位UNICODE编码签名
   • 之后，任何字符都设置为两个BYTE：'ASCII'，代码页
   • 阅读代码页字节，看看它是什么语言......
   • 或使用完整的unicode字体

2. 如果文件是UTF-8 / UTF-16

   • 从扩展字符编码中检测代码页（请参阅unicode文档）
   • 或使用完整的unicode字体

3. * .smi中的数据可以与文件本身不同地编码

   • 在这种情况下查看代码页标签的smi文档
   • 如果没有，那么你运气不好
   • 如果确实如此，那么你应该使用标签进行解码......

<强> PS。那里没有很多unicode字体，没有一个是完整的！
从更好的（支持更多页面）我只知道：

• Quivira
• unifont（请注意这个是位图字体!!!）
• 但是我在这个地区没有做过大约一年的研究，所以情况可能会改变......