0

我有文本文件，我怎么知道文件中的文本是 UTF8 标准还是 Mac OS Roman

4

2 回答 2

1

UTF-8 文件可以以字节顺序标记 (BOM)开头，这将使它们易于识别。

如果他们不这样做，您无法确定，但基本上需要编写代码来做出有根据的猜测。

有几种方法可以进行猜测；

  • 扫描文件中是否存在非法 UTF8 序列，如果存在，则文件应该是 MacRoman。
  • 扫描您正在阅读的文件中的“常用”字符，如果它们是 ascii 128 或更高，它们将在 UTF-8 和 MacRoman 中以不同方式编码。

两种编码之间的所有字符 <= ascii 127 都应该相同，因此如果文件中只有这些，则编码无关紧要，它将产生相同的文本。

于 2012-10-04T21:01:24.943 回答
1

对于单个文件，实际操作是在网络浏览器中打开它，并通过浏览器的查看菜单测试它在两种编码中的外观。如果编码很重要（即，Ascii 范围 0-127 之外的字符），您通常应该立即看到差异（至少如果您可以阅读文档的语言）。

在编程中，如果您需要设置一个通用工具来自动解决此类问题，最好尝试读取两种编码的文件（使用您喜欢的编程语言和工具）并检查是否成功。如果两种方法都成功，请检查它是否也可以读取为 Ascii - 如果可以，答案很简单（文件是 UTF-8 和 MacRoman 编码的），如果不能，则需要一些额外的逻辑。原则上，此时需要检查内容，因为数据可以在编码级别进行双向解释，并且只有内容才能确定哪种解释是正确的。

于 2012-10-04T21:17:24.637 回答