摘要: 当你用Windows记事本保存文本文件时，默认会使用ANSI编码保存，如果文本包含中文的话，会用GB18030标准编码（GB18030编码向后对GBK编码保持兼容
，同时GBK也向后兼容GB2312编码）。 在记事本中输入“a刘”，然 ...
当你用Windows记事本保存文本文件时，默认会使用ANSI编码保存，如果文本包含中文的话，会用GB18030标准编码（GB18030编码向后对GBK编码保持兼容，同时
GBK也向后兼容GB2312编码）。
在记事本中输入“a刘”，然后保存，用二进制编辑器打开文本文件，结果会是：
61 C1 F5
可以看到，61是”a”的ASCII码：97。而C1 F5正是“刘”的GB18030（GBK）码。而整个文件两个字符，英文1个字节，中文两个字节，使用GB18030作为ANSI扩展
编码存储。当然也就没有字节顺序标记（BOM）。（关于BOM，可以参考这篇文章：.NET(C#) 中的字符编码(Encoding)和字节顺序标记(BOM)）
问题就是.NET中读取文本方法（File类和StreamReader）默认是以UTF8编码来读取的，因此此类GB18030的文本文件直接用.NET打开（不指定编码的话）结果肯定
是乱码！
当然解决方案之一就是在打开文件的时候手动指定一个编码，比如GB18030，但是有没有想过用指定的GB18030去打开文件，如果遇到了Unicode文件，文件还会打
开成功吗？答案是仍然成功。原因是.NET在打开文件时默认会自动觉察BOM然后用根据BOM得到的编码去打开文件，如果没有BOM再用用户指定的编码区打开文件，
如果用户没有指定编码，则使用UTF8编码。
这个”自动觉察BOM“的参数可以在StreamReader中构造函数中设置，对应detectEncodingFromByteOrderMarks参数。
但是在File类的相应方法中无法设置。（比如：File.ReadAllText）。
比如下面代码，分别用：
•GB18030编码，自动觉察BOM 来读取GB18030文本
•GB18030编码，自动觉察BOM 来读取Unicode文本
•GB18030编码，不觉察BOM 来读取Unicode文本
static void Main()
{
var gb18030 = Encoding.GetEncoding("GB18030");
//用GB18030编码，自动觉察BOM 来读取GB18030文本
ReadFile("gbk.txt", gb18030, true);
//用G18030编码，自动觉察BOM 来读取Unicode文本
ReadFile("unicode.txt", gb18030, true);
//用G18030编码，不觉察BOM 来读取Unicode文本
ReadFile("unicode.txt", gb18030, false);
}
//通过StreamReader读取文本
static void ReadFile(string path, Encoding enc, bool detectEncodingFromByteOrderMarks)
{
StreamReader sr;
using (sr = new StreamReader(path, enc, detectEncodingFromByteOrderMarks))
{
Console.WriteLine(sr.ReadToEnd());
}
}
输出：
a刘
a刘
???
第三行是乱码。
看到上面，使用GB18030编码去打开Unicode文件也会成功的。因为“自动觉察BOM”参数为True，所以当发现该文件有BOM，.NET会通过BOM觉察到是Unicode文件
，然后用Unicode去打开文件的。当然如果没有BOM，会使用指定的编码参数去打开文件。对于GB18030编码的文本，显然是没有BOM的，所以必须指定GB18030编码
，否则.NET会用默认的UTF8编码去解析文件，是无法读取结果的。第三行出现乱码则是由于“自动觉察BOM”为False，.NET会直接用指定的GB18030编码去读取一
个有BOM的Unicode编码文本文件，显然无法成功的。
当然还可以自己判断BOM，如果没有BOM的话，指定一个缺省编码去打开文本。我在以前一篇文章中写到过（.NET(C#)：从文件中觉察编码）。
代码：
static void Main()
{
PrintText("gbk.txt");
PrintText("unicode.txt");
}
//根据文件自动觉察编码并输出内容
static void PrintText(string path)
{
var enc = GetEncoding(path, Encoding.GetEncoding("GB18030"));
using (var sr = new StreamReader(path, enc))
{
Console.WriteLine(sr.ReadToEnd());
}
}
/// <summary>
/// 根据文件尝试返回字符编码
/// </summary>
/// <param name="file">文件路径</param>
/// <param name="defEnc">没有BOM返回的默认编码</param>
/// <returns>如果文件无法读取，返回null。否则，返回根据BOM判断的编码或者缺省编码（没有BOM）。</returns>
static Encoding GetEncoding(string file, Encoding defEnc)
{
using (var stream = File.OpenRead(file))
{
//判断流可读？
if (!stream.CanRead)
return null;
//字节数组存储BOM
var bom = new byte[4];
//实际读入的长度
int readc;
readc = stream.Read(bom, 0, 4);
if (readc >= 2)
{
if (readc >= 4)
{
//UTF32，Big-Endian
if (CheckBytes(bom, 4, 0x00, 0x00, 0xFE, 0xFF))
return new UTF32Encoding(true, true);
//UTF32，Little-Endian
if (CheckBytes(bom, 4, 0xFF, 0xFE, 0x00, 0x00))
return new UTF32Encoding(false, true);
}
//UTF8
if (readc >= 3 && CheckBytes(bom, 3, 0xEF, 0xBB, 0xBF))
return new UTF8Encoding(true);
//UTF16，Big-Endian
if (CheckBytes(bom, 2, 0xFE, 0xFF))
return new UnicodeEncoding(true, true);
//UTF16，Little-Endian
if (CheckBytes(bom, 2, 0xFF, 0xFE))
return new UnicodeEncoding(false, true);
}
return defEnc;
}
}
//辅助函数，判断字节中的值
static bool CheckBytes(byte[] bytes, int count, params int[] values)
{
for (int i = 0; i < count; i++)
if (bytes[i] != values[i])
return false;
return true;
}
上面代码，对于Unicode文本，GetEncoding方法会返回UTF16编码（更具体：还会根据BOM返回Big或者Little-Endian的UTF16编码），而没有BOM的文件则会返回
缺省值GB18030编码。
