ファイルの文字コードを判別する方法を紹介します。
| 符号化形式（符号化スキーム） | エンディアンの区別 | バイト順マーク (BOM) |
|---|---|---|
| UTF-8 | 0xEF 0xBB 0xBF（なおBOM無しはUTF-8Nと呼ばれることがある） | |
| UTF-16 | BE | 0xFE 0xFF |
| LE | 0xFF 0xFE | |
| UTF-16BE | （付加は認められない） | |
| UTF-16LE | （付加は認められない） | |
| UTF-32 | BE | 0x00 0x00 0xFE 0xFF |
| LE | 0xFF 0xFE 0x00 0x00 | |
| UTF-32BE | （付加は認められない） | |
| UTF-32LE | （付加は認められない） | |
| UTF-7 | 0x2B 0x2F 0x76 ※ （※は次のバイトの値によって異なり、0x38、0x39、0x2B、0x2Fのいずれかがくる） |
BOMについては下記を参考にしています。
ファイル先頭のBOMを読み取って文字コードの判別を行います。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
/// <summary> /// 指定したファイルのエンコーディングを判別して取得します。 /// </summary> /// <param name="filename"></param> /// <returns></returns> public static Encoding GetEncoding(string filename) { // BOMを取得 var bom = new byte[4]; using (var file = new FileStream(filename, FileMode.Open, FileAccess.Read)) { file.Read(bom, 0, 4); } // BOMを解析 if (bom[0] == 0x2b && bom[1] == 0x2f && bom[2] == 0x76) return Encoding.UTF7; // UTF-7 if (bom[0] == 0xef && bom[1] == 0xbb && bom[2] == 0xbf) return Encoding.UTF8; // UTF-8 if (bom[0] == 0xff && bom[1] == 0xfe) return Encoding.Unicode; // UTF-16LE if (bom[0] == 0xfe && bom[1] == 0xff) return Encoding.BigEndianUnicode; // UTF-16BE if (bom[0] == 0xff && bom[1] == 0xfe && bom[2] == 0x00 && bom[3] == 0x00) return Encoding.Unicode; // UTF-32LE if (bom[0] == 0 && bom[1] == 0 && bom[2] == 0xfe && bom[3] == 0xff) return new UTF32Encoding(true, true); // UTF-32BE return Encoding.ASCII; } |
ファイルの文字コードを判別してEncodingオブジェクトを取得するには以下の様に使用します。
|
1 |
var enc = GetEncoding(@"C:\Foo\bar.txt"); |
コメント