字符编码与ASCII

Question

我目前正在从文件中读取邮件并处理一些标题信息。非ASCII字符根据RFC2047在quoted-printable order Base64中编码，因此文件不包含非ASCII字符。如果文件是用UTF-8，Win-1252或ISO-8859- *字符编码之一编码的，那么我不会遇到问题，因为ASCII嵌入在所有这些字符集的同一个地方（所以{{ 1}}在所有这些字符集中都是0x41。

但是，如果文件是使用不以这种方式嵌入ASCII的编码进行编码的呢？这样的编码是否存在？如果是这样，是否有可靠的方法来检测它们？

Answer 1

根据Charset-detector非常有趣的文章，有this个Mozilla。它可以检测到大量不同的编码。我之前使用的GitHub上还有一个可以使用C＃的端口。结果证明是非常可靠的。但是，当然，当文本只包含ASCII字符时，它无法区分以相同方式编码ASCII的不同编码。但是，应该使用此库正确检测以不同方式编码ASCII的任何编码。