我对文件，流和不同的代码页都很陌生。 看到这是我的问题：
我得到了文本文件，其中一些是使用代码页Windows-1252创建的，有些仍然是IBM850，有时它们是UTF8。当我导入它们时，我的数据库会显示ä，ö，ü，ß的各种符号，因为我用错误的代码页读取它们。只有当我使用正确的代码页导入它们时，一切正常。
这是我认为可能是一个好方法：
使用代码页X
将ä，ö，ü，ß转换为字节数组例如：
byte[] myAeKl = Encoding.GetEncoding("IBM850").GetBytes("ä");
byte[] myAeGr = Encoding.GetEncoding("IBM850").GetBytes("Ä");
浏览文本文件，并将每个字母字节数组与上面的字节数组进行比较。 如果发现使用该代码页，否则尝试另一个代码页。
这是我不明白的： 如何比较文本文件中字母的字节数与我要查找的字母的字节数组。 例如：
if (Textfile.Letter == myAeKl || Textfile.Letter == myAeGr)
...
有没有其他方法可以获得正确的代码页？ 我是否对解决方案有正确的帮助？
答案 0 :(得分：3)
遗憾的是，没有一种万无一失的方法，因为某个字节流在多个编码中都有意义。
这样做的一种方法是使用其他业务数据进行猜测和启发式扫描。你能从文件名中推断出编码吗？从其他一些元数据，如发件人名称？如果是这样，请尝试使用它进行过滤。
如果没有，你可以尝试挖掘和猜测。如果文件可能很大，正如你所说，只需查看并引入一个文本样本（例如，前512个字节，这应该就足够了）。你有什么方法可以猜测内容是什么吗？是英文/希伯来文的自由文本还是类似的东西？如果是这样，请查找512字节样本中的常用字。这些文件是否包含固定格式？如果是这样，请寻找它。然后在实时样本上运行这些测试，查看结果，调整测试，然后再试一次，直到你有更好的机会识别编码。
祝你好运！答案 1 :(得分：0)
我会尝试使用一种编码加载文件，如果遇到意外的字符，请将其加载到另一个字符。