如何判断文本文件的编码格式？

来源：互联网发布：南山深圳软件产业基地编辑：程序博客网时间：2024/06/10 01:00

作者 : smokingroom 标题 : 如何判断文本文件的编码格式？ 关键字: 文本编码 分类 : Delphi经验与技巧 密级 : 公开

(评分: , 回复: 0, 阅读: 239)
这里指的文本是用于Windows系统中的扩展名为.txt的文件。

Notepad（记事本）只支持四种格式：ANSI/Unicode/Unicode big endian/UFT-8，在Delphi中如何判断与读取这些不同格式的文本呢？

首先，不同编码的文本，是根据文本的前两个字节来定义其编码格式的。定义如下：

ANSI：　　　　　　　　无格式定义；
Unicode：　　　　　　前两个字节为FFFE；
Unicode big endian：　前两字节为FEFF；　
UTF-8：　　　　　　　前两字节为EFBB；　

知道了各种编码格式的区别，写代码就容易了，以下是我在一个软件中写的处理代码：
（注意，Delphi的TMemo/TRichEdit只支持ANSI的文本文件，其它编码格式的文件需要
自行写代码转换成GB2312或BIG5，方能正确显示）

type
TTextFormat=(tfAnsi,tfUnicode,tfUnicodeBigEndian,tfUtf8);
const
TextFormatFlag:array[tfAnsi..tfUtf8] of word=($0000,$FFFE,$FEFF,$EFBB);　

function WordLoHiExchange(w:Word):Word;register;
asm
XCHG AL, AH
end;

{ TextFormat返回文本编码类型，sText未经处理的文本 }
procedure ReadTextFile(const FileName: string;
var TextFormat: TTextFormat; var sText:string);
var
w:Word;
b:Byte;
begin
with TFileStream.Create(FileName,fmOpenRead or fmShareDenyNone) do
try
  Read(w,2);
  w:=WordLoHiExchange(w);//因为是以Word数据类型读取，故高低字节互换
  if w = TextFormatFlag[tfUnicode] then
   TextFormat:= tfUnicode
  else if w = TextFormatFlag[tfUnicodeBigEndian] then
   TextFormat:= tfUnicodeBigEndian
  else if w = TextFormatFlag[tfUtf8] then
  begin
   Read(b,1);//这里要注意一下，UFT-8必须要跳过三个字节。
   TextFormat:=tfUtf8;
  end else
  begin
   TextFormat:=tfANSI;
   Position:=0;
  end;
  SetLength(sText,Size-Position);
  ReadBuffer(sText[1],Size-Position);
finally
  Free;
end;
end;

｛
　写此笔记源自于回复如下贴子，方知有TX有此需求，故公开之。
　http://www.delphibbs.com/delphibbs/dispq.asp?lid=3152966
｝

2005-8-4 17:54:48