c# - 如何检查文件编码是否正确(对应于国家/代码页)？

Question

如果 txt 文件仅包含与国家/地区代码页对应的有效字符，我如何检查它？

因为它们被转移到 linux 系统，所以每个字符都必须在代码页中

通过谷歌搜索我找不到任何有用的东西

是否有一种“干净”的方式来检查这个，或者是否只有“肮脏”(静态)的方式来做到这一点？

更新:情况是这样的，我必须检查包含应用程序翻译的资源文件。这些文件是在不同的国家/地区翻译的，因此很容易发生输入错误字符而导致应用程序无法正确显示的情况。 Windows 总是搜索外观几乎相同的字符，但 linux 不会。这就是重点。

Answer 1

您说“假设文件使用 UTF-8”。

在这种情况下，假设您可以将文件读入 C# 字符串或字符串数​​组。

例如，如果您有一个 byte[] 数组，您可以像这样转换为 C# UTF16 字符串:

var text = Encoding.UTF8.GetString(utf8Bytes);

或者您可以(使用 UTF8 编码)直接将其从文件中读入 C# 字符串。让我们假设您自己可以做到这一点。

现在 - 假设您有一个 C# 字符串 - 您可以使用一个带有代码页参数的 Encoding.GetEncoding() 和一个 EncoderExceptionFallback 和一个 DecoderExceptionFallback 检查字符串在该特定代码页中是否有效，如下所示:

public static bool IsStringValidForCodePage(string text, int codePage)
{
    var encoder = Encoding.GetEncoding(codePage, new EncoderExceptionFallback(), new DecoderExceptionFallback());

    try
    {
        encoder.GetBytes(text);
    }

    catch (EncoderFallbackException)
    {
        return false;
    }

    return true;
}

以下示例使用希腊文 Pi 字符“π”，它在代码页 1253(希腊语)中有效，在代码页 1252(拉丁语 1)中无效。

string pi = "π"; // Mmmm. I like pi.

if (IsStringValidForCodePage(pi, 1252))
    Console.WriteLine("Pi is ok in 1252");
else
    Console.WriteLine("Pi is NOT ok in 1252"); // Prints NOT ok.

if (IsStringValidForCodePage(pi, 1253))
    Console.WriteLine("Pi is ok in 1253");  // Prints ok.
else
    Console.WriteLine("Pi is NOT ok in 1253");