檢測文件是否是ISO-8859-1/Unicode（或不是ASCII）

我的asp.net應用程序中有一個輸入文件。用戶提交CSV文件以更新數據庫。檢測文件是否是ISO-8859-1/Unicode（或不是ASCII）

此CSV文件是通過導出.xlsx創建的。
此.xlsx文件包含非ascii字符，如França，Rússia等
用戶有時通過「CSV（MS-DOS）」（寫入ASCII格式）而不是「CSV（逗號分隔文件）「（保留.xlsx編碼）。

所以，驗證文件的編碼之前寫它在數據庫中的內容....

我怎樣才能安全地檢測在.NET中提交了一份文件，文件編碼？

ps .:物料清單驗證是不夠的。文件可以是帶有BOM的UTF文件。

來源

2013-12-16 Andre Figueiredo

我不認爲它是重複的，他不想檢測代碼頁，他想檢測文件是否已被正確保存。 – zmbq

@Andre，創建一個excel文件，放入一些非ASCII字符並保存爲MS-DOS CSV文件。什麼變成了非ASCII字符？這些問號是？ – zmbq

@zmbq：問題問：「我怎樣才能安全地檢測到一個文件[以.net提交]的文件編碼？」這是一個重複的問題。編碼在Windows中作爲代碼頁實現。無論文件是如何創建的，檢測文件的編碼/代碼頁都不是100％可靠的，如果在文件本身或其元數據中未指定編碼/代碼頁，則必須提示用戶輸入。 –

如何安全地檢測以.net提交的文件的文件編碼？

你不行。

Excel的「CSV」保存出現在機器的ANSI代碼頁中，「CSV（MS-DOS）」出現在OEM代碼頁中。這兩種編碼都因機器而異，它們從來沒有像UTF-8或UTF-16那樣有用。（事實上，在一些東亞機器上，它們甚至可能不完全是ASCII兼容的。）

您可能能夠根據啓發式進行猜測。例如，如果França是在文檔中你處理，你可以發現它的常用編碼一個共同的價值：

            F r a n ç a 
Code page 1252 (ANSI on Western European machines): 46 72 61 6e e7 61 
Code page 850 (OEM on Western European Machines): 46 72 61 6e 87 61

如果你沒有任何固定模式，比如，你可以做的最好的是任意的猜測（見this question ）。無論哪種方式，它幾乎沒有資格作爲'安全'。

作爲一種格式的CSV沒有聲明編碼的機制，並且沒有使用UTF-8的事實標準。所以它不能真正用作傳輸非ASCII文本的可靠程度的機制。

另一種可供選擇的方法是鼓勵用戶將其從Excel保存爲「Unicode文本」。這會爲您提供一個UTF-16LE編碼的.txt文件（用.NET術語說就是Encoding.Unicode），您可以從BOM中輕鬆檢測到該文件。內容是TSV，所以與CSV相同的引用規則，但帶有製表符分隔符。

來源

2013-12-16 21:22:49 bobince

檢測文件是否是ISO-8859-1/Unicode（或不是ASCII）

回答

相關問題