اكتشاف فعال لترميز السلسلة في C#

حكم دقيق لترميز السلسلة أمر بالغ الأهمية لمعالجة البيانات النصية من مصادر مختلفة. سوف تستكشف هذه المقالة كيفية تحقيق هذا الهدف بكفاءة في C#.

أدلة الترميز

هناك عدة طرق لتحديد ترميز سلسلة دون إعلان صريح:

1. bom (علامة ترتيب البايت): تحتوي العديد من ترميزات Unicode على توقيعات ثلاثية البايت أو أربعة بايت في بداية ملف للإشارة إلى ترميزها. على سبيل المثال ، يستخدم UTF-8 0xefbbbf.
2. فحص/فحص إرشادي: عن طريق التحقق من البايتات القليلة الأولى من السلسلة ، يمكننا محاولة اكتشاف الترميز. على سبيل المثال ، يميل UTF-8 إلى الحصول على نمط بايت حيث يتم تعيين بتات عالية محددة.
3. بيانات التعريف في ابحث عن أنماط في نص مثل "charset = xyz" أو "الترميز = xyz".

نظرة عامة على الحل

يجمع الكود الذي توفره

بين الطرق الثلاث لتحديد ترميز السلسلة ، أولاً هو اكتشاف BOM. إذا لم يتم العثور على BOM ، فإن الكود يستخدم كاشف لتحديد الترميزات الشائعة مثل UTF-8 و UTF-16. أخيرًا ، إذا لم يتم العثور على ترميز مناسب ، فسوف يعود إلى صفحة الكود الافتراضي للنظام.

لا يكتشف هذا الرمز الترميز فحسب ، بل يقوم أيضًا بإرجاع النص الذي تم فك تشفيره لتوفير المعلومات المطلوبة بالكامل.

تنفيذ الكود

رمز C# التالي ينفذ هذا الحل:

public Encoding detectTextEncoding(string filename, out String text, int taster = 1000)
{
    // 检查BOM
    // 为简洁起见省略

    // 基于探测器的编码检测
    bool utf8 = false;
    int i = 0;
    while (i 

طريقة الاستخدام

لاستخدام هذا الرمز ، وتوفير مسار الملف كسلسلة واسترداد النص المشفر والمكشف كمعلمات الإخراج. هنا مثال:

`` `c# نص سلسلة ترميز الترميز = detectTextEncoding ("my_file.txt" ، نص خارج) ؛ console.writeline ("التشفير المكتشف:" charsing.encodingName) ؛ console.writeline ("النص فك التشفير:" النص) ؛ `` `

الكل في الكل ، يوفر هذا الرمز طريقة قوية لتحديد ترميز السلاسل في C#، والاستفادة من الشيكات BOM والتجول لضمان اكتشاف دقيق.