0

Segue código:

string text = File.ReadAllText($@"{pathname}", Encoding.UTF8);

Tenho vários arquivos txt com condificação diferente. Porque aqui não mostra caracteres especial, por causa codificação diferente.

Antes de executar a linha File.ReadAllText, como faço para obter o tipo de arquivo?

Exemplo: ANSI, UNICODE, UTF-8, ETC...

Algo parecido assim:

if (pathname == Encoding.ASCII)
{
    string text = File.ReadAllText($@"{pathname}", Encoding.ASCII);
}
else if (pathname == Encoding.UTF8)
{
    string text = File.ReadAllText($@"{pathname}", Encoding.UTF8);
}

1 Resposta 1

1

Você vai ter que ler o arquivo para saber então provavelmente compensa ler de outra forma. Usando o StreamReader e ler pelo menos uma parte pode descobrir com a propriedade CurrentEncoding. Mas dizem que ela não é confiável.

Se tiver dificuldades com ela pode tentar usar uma biblioteca como a chardetsharp, UDE, NCharDet, Architect Shack. Não as conheço e não sei o quanto são confiáveis.

Tem respostas no SO com códigos que tentam fazer o trabalho: aqui, aqui e aqui.

Se quiser entender melhor sobre o BOM.

Sempre terá casos que pode detectar errado.

Coloquei no GitHub para referência futura.

6
  • Tem como saber se o detectado der errado ? Vixi me ferrou, vou tentar com biblioteca que tu me indicou. Commented 2/11/2017 às 21:00
  • 1
    Não de forma confiável, inclusive porque o texto pode estar em uma codificação mal formada. Confiável só será se puder garantir que o arquivo nunca está corrompido e ter um cabeçalho no arquivo que indique a codificação. Eventualmente é isto o que você obterá em algumas codificações padrões. Se souber que só terá duas ou três codificações diferente e quais são ajuda um pouco porque você pode limitar as escolhas. Tem codificações que podem ser ambíguas.
    – Maniero
    Commented 2/11/2017 às 21:13
  • Entendo você sabe me dizer qual é forma mais segura de saber qual o tipo de codificação? Commented 3/11/2017 às 0:21
  • 1
    Uma dessas aí mesmo, mas não sei qual. Aí pode refinar manualmente para dar menos erro. Mas testa porque pode ser que vá bem com o padrão que você tem.
    – Maniero
    Commented 3/11/2017 às 0:28
  • Entendo, a melhor biblioteca (na minha opinião) é UDE. Porque ele fala o tipo da codificação e o nível da CONFIANÇA de arquivo que retorna float. É o que você escreveu no comentário: o texto pode estar em uma codificação mal formada. Commented 3/11/2017 às 0:46

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .