如何读取具有 ANSI 编码和非英文字母的文本文件？

Posted 2023-02-24

【中文标题】如何读取具有 ANSI 编码和非英文字母的文本文件？

【英文标题】：How to read text files with ANSI encoding and non-English letters?

【发布时间】：2012-08-21 06:01:27

【问题描述】：

我有一个包含非英语字符的文件，并使用非英语代码页以 ANSI 编码保存。如何在 C# 中读取此文件并正确查看文件内容？

不工作

StreamReader sr=new StreamReader(@"C:\APPLICATIONS.xml",Encoding.ASCII);
var ags = sr.ReadToEnd();
sr=new StreamReader(@"C:\APPLICATIONS.xml",Encoding.UTF8);
ags = sr.ReadToEnd();
sr=new StreamReader(@"C:\APPLICATIONS.xml",Encoding.Unicode);
ags = sr.ReadToEnd();

工作但我需要提前知道代码页是什么，这是不可能的。

sr=new StreamReader(@"C:\APPLICATIONS.xml",Encoding.GetEncoding(1252));
ags = sr.ReadToEnd();

【参考方案1】：

 var text = File.ReadAllText(file, Encoding.GetEncoding(codePage));

代码页列表：https://docs.microsoft.com/en-us/windows/win32/intl/code-page-identifiers?redirectedfrom=MSDN

【讨论】：

我需要知道代码页。我事先不知道。

@MichaelT 有一些开源库可以猜测编码，但这不是一个简单的过程。

我看到旧的 MS 记事本处理这个文件没有问题，并认为我遗漏了什么。

@MichaelT How can I detect the encoding/codepage of a text file

记住 joelonsoftware.com/articles/Unicode.html - 每个软件开发人员绝对、绝对必须了解 Unicode 和字符集（没有任何借口！），作者 Joel Spolsky

【参考方案2】：

当您的文本文件使用高 ANSI 编码时，您会得到问号-菱形字符——这意味着它使用 127 到 255 之间的字符。这些字符设置了第八位（即最重要的位）。当 ASP.NET 读取文本文件时，它采用 UTF-8 编码，并且最高有效位具有特殊含义。

您必须强制 ASP.NET 将文本文件解释为高 ANSI 编码，告诉它代码页是 1252：

String textFilePhysicalPath = System.Web.HttpContext.Current.Server.MapPath("~/textfiles/MyInputFile.txt");
String contents = File.ReadAllText(textFilePhysicalPath, System.Text.Encoding.GetEncoding(1252));
lblContents.Text = contents.Replace("\n", "<br />");  // change linebreaks to HTML

【讨论】：

恕我直言，应该是公认的答案。此外，使用 .NET core 2.x 或 .NET Standard，您会遇到新问题。代码页需要在之前注册..见***.com/questions/37870084/…

请注意，.NET Core 仅支持 ASCII、ISO-8859-1 和 Unicode 编码。因此，当您尝试使用编码 1252（ANSI 拉丁语 1；西欧 Windows）时会出现错误。对我有用的是编码 65000（utf-7 Unicode）。

【参考方案3】：

如果我没记错的话，无论 XML 编码如何，XmlDocument.Load(string) 方法总是假定为 UTF-8。 您必须创建一个具有正确编码的 StreamReader 并将其用作参数。

xmlDoc.Load(new StreamReader(
                     File.Open("file.xml"), 
                     Encoding.GetEncoding("iso-8859-15"))); 

我刚刚偶然发现了来自 Microsoft 的 KB308061。有一段很有意思： 在 XML 文档的 XML 声明部分中指定编码声明。例如，以下声明表明文档是 UTF-16 Unicode 编码格式：

<?xml version="1.0" encoding="UTF-16"?>

请注意，此声明仅指定 XML 文档的编码格式，并不修改或控制数据的实际编码格式。

链接来源：

XmlDocument.Load() method fails to decode € (euro)

【讨论】：

为什么不File.ReadAllText？

-@MichaelT 你能把你的结果截屏吗？

-@MichaelT ：试试我的新答案

如果您的 XML 文件中的 <?xml?> 序言说 UTF-8，并且它不是正确的 UTF-8 流，那么您所得到的不是格式正确的，因此不是 XML。确实，您需要修复产生虚假 XML 文件的任何内容。

【参考方案4】：

以我的 c++/clr (WinForms) 为例，这种方法取得了成功：

String^ str2 = File::ReadAllText("MyText_cyrillic.txt",System::Text::Encoding::GetEncoding(1251)); 
textBox1->Text = str2;   

【参考方案5】：

using (StreamWriter writer = new StreamWriter(File.Open(@"E:\Sample.txt", FileMode.Append), Encoding.GetEncoding(1250)))  ////File.Create(path)
        
            writer.Write("Sample Text");
        

【讨论】：

对代码的小解释有助于更多。请解释这段代码的作用。

我必须支持@OlcayErtaş 所说的话，尤其是考虑到对此还有其他几个高质量的答案。