• 检测一个文本文件的编码是否为GBK


    /*
        Time:   2016年12月9日16:00:40
        Author: Albert Wang
        email:  albertofwb@gmail.com
        Function: detect whether a text file's encoding is GBK format
    */
    
    /*
        参考连接: http://www.cnblogs.com/tmscnz/archive/2012/12/12/2815339.html
    
        GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的,
        即不论中、英文字符均使用双字节来表示,为了区分中文,将其最高位都设定成1。
        GBK包含全部中文字符,是国家编码,通用性比UTF8差,不过UTF8占用的数据库比GBK大。
    */
    
    #include <stdio.h>
    #include <stdlib.h>  // exit()
    #include <direct.h>  // _access() detect a file's existence
    #include <iostream>  // true, false defination
    
    int DumpFromFile(const char *FileName, char *buf, size_t FileSize)
    {
        FILE     *fp;
    
        if ((fp = fopen(FileName, "rb")) == NULL)
        {
            return -1;
        }
        fread(buf, 1, FileSize, fp);
    
        fclose(fp);
    
        return 0;
    }
    
    
    int GetFileSize(const char *FileName, size_t *FileSize)
    {
        FILE *fp;
    
        if ((fp = fopen(FileName, "rb")) == NULL)
        {
            //perror(FileName);  //调试,显示具体出错信息
            return -1;
        }
        fseek(fp, 0, SEEK_END);
        *FileSize = ftell(fp);
    
        fclose(fp);
        fp = NULL;
    
        return 0;
    }
    
    bool IsGbk(const char* FileName)
    {
        FILE *fp = NULL;
        size_t FileSize = 0;
        char *fileBuf = NULL;
    
    
        GetFileSize(FileName, &FileSize);
        fileBuf = (char *)malloc(FileSize);
        DumpFromFile(FileName, fileBuf, FileSize);
    
        size_t i = 0;
        bool ret = true;
    
        for ( ; i < FileSize; i++)
        {
            if ( ! (0x80 & fileBuf[i]) )
            {
                ret = false;
                break;
            }
        }
    
    
        free(fileBuf);
        return ret;
    }
    
    int main(int argc, char *argv[])
    {
        if (argc != 2)
        {
            printf("Usage: %s <FileName>
    ", argv[0]);
            exit(1);
        }
    
        const char* FileName = argv[1];
        if (-1 == _access(FileName, 0))
        {
            printf("%s not exists!
    ", FileName);
            exit(1);
        }
    
        if (IsGbk(FileName))
        {
            printf("%s is GBK Encoding.
    ", FileName);
        }
        else
        {
            printf("%s is not GBK Encoding.
    ", FileName);
        }
    
        return 0;
    }

     经过更多的测试,发现上述代码有问题。

       第一个问题,忽略了windows 文本文件中默认的 " " 对应的十六进制表示为 0D0A

       第二个问题,GBK编码中对于英文字母仍然采用 ASCII 码的方式。

      上述引用 http://www.cnblogs.com/tmscnz/archive/2012/12/12/2815339.html 不正确。

    有图为证 (使用windows 自带的notepad穿件一个文本文件,采用winhex以 GBK格式打开,发现前8个字节为 ASCII码)

    
    
  • 相关阅读:
    String ,StringBuilder, StringBuffer
    apt-get方式删除软件
    curl命令的使用
    maven自动部署测试Web应用
    几个重要的maven命令
    linux中默认jdk的配置
    登录注册的页面制作
    运用php做投票题,例题
    复选框式查询 例题租房子
    会话用法 和留言板例题
  • 原文地址:https://www.cnblogs.com/albertofwb/p/6149976.html
Copyright © 2020-2023  润新知