c＃

文字列エンコードの正確な判断は、異なるソースからのテキストデータを処理するために重要です。この記事では、C＃でこの目標を効率的に達成する方法について説明します。

コーディング手がかり

明示的な宣言なしに文字列のエンコードを決定する方法はいくつかあります：

1. bom（byte order mark）：多くのユニコードエンコーディングには、ファイルの先頭に3バイトまたは4バイトの署名が含まれているため、エンコードを示します。たとえば、UTF-8は0XEFBBBFを使用します。
2. プローブ/ヒューリスティックチェック：文字列の最初の数バイトをチェックすることにより、エンコードを検出することができます。たとえば、UTF-8には、特定のハイビットが設定されるバイトパターンがある傾向があります。
3. メタデータのファイル：コンテンツまたはメタデータにエンコードされた情報を埋め込んだいくつかのファイル。 「charset = xyz」や「encoding = xyz」などのテキストのパターンを見つけます。

ソリューションの概要

によって提供されるコードは、3つの方法すべてを組み合わせて、文字列のエンコードを決定します。最初はBOM検出です。 BOMが見つからない場合、コードは検出器を使用して、UTF-8やUTF-16などの一般的なエンコーディングをヒューリスティックに識別します。最後に、適切なエンコードが見つからない場合、システムのデフォルトコードページに戻ります。

このコードは、エンコードを検出するだけでなく、デコードされたテキストを返して、必要な情報を完全に提供します。

コード実装

次のC＃コードがこのソリューションを実装しています：

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 

使用方法

このコードを使用するには、ファイルパスを文字列として提供し、検出されたエンコードおよびデコードされたテキストを出力パラメーターとして取得します。これが例です：

全体として、このコードは、C＃の文字列のエンコードを決定する強力な方法を提供し、BOMおよびヒューリスティックチェックを活用して正確な検出を確保します。